Flink 1.14 Session集群作业状态自动化监控与异常告警咨询

一、Prometheus自动化监控作业 #

Session模式的Flink集群完全支持用Prometheus实现作业运行状态的自动化监控，具体配置和实现方式如下：

• 在flink-conf.yaml中开启Prometheus指标上报：

  metrics.reporter.prometheus.class: org.apache.flink.metrics.prometheus.PrometheusReporter
  metrics.reporter.prometheus.port: 9250-9260 # 可自定义端口范围
  

• 配置完成后，JobManager和TaskManager会自动暴露作业的核心指标，包括作业吞吐量、处理延迟、Task运行状态、资源使用率等。Prometheus可以定期抓取这些指标，搭配Grafana就能搭建可视化监控面板，实时掌握所有运行作业的状态。

二、作业异常/报错通知功能 #

Session模式同样支持作业异常时的告警通知，常用实现方式有两种：

• REST API+告警工具：通过定时调用JobManager的REST接口（如/jobs）获取所有作业的状态，当检测到作业进入FAILED、CANCELED等异常状态时，触发邮件、企业微信或Slack等渠道的通知。
• Prometheus Alertmanager集成：基于Prometheus采集的指标配置告警规则（比如Task重启次数超过阈值、作业失败次数大于0），一旦触发规则，Alertmanager会自动发送告警通知。另外也可以自定义MetricReporter，监听作业异常事件并推送通知。

内容的提问来源于stack exchange，提问作者guru