Flink HA JobManager集群无法选举领导者

Question

我正在尝试在kubernetes上部署Apache Flink 1.6。 按照作业管理器高可用性页面上的教程进行操作。 我已经从其日志中找到了一个有效的Zookeeper 3.10集群我可以看到它很健康并且没有配置为Kerberos或SASL。所有ACL规则都允许每个客户端写入和读取znode。 当我启动集群时，一切都按预期工作，每个JobManager和TaskManager窗口都成功进入运行状态，我可以从主JobManager的web-ui中看到连接的TaskManager实例。 但是当我删除主JobManager的pod时，另一个JobManager pod无法在群集中的任何JobManager-UI上选择带有以下错误消息的领导者。

{
  "errors": [
    "Service temporarily unavailable due to an ongoing leader election. Please refresh."
  ]
}

即使我重新启动此页面也没有任何变化。 它坚持这个错误消息。 我怀疑，问题与high-availability.storageDir选项有关。 我已经在我的k8s集群中运行了一个（使用CloudExplorer测试） minio s3部署。 但是flink 无法向s3服务器写任何东西。 在这里你可以找到github-gist的每个配置。

Answer 1

根据日志，它看起来好像TaskManager无法连接到新的领导者。 我认为这对于web ui来说是一样的。 日志说它尝试连接到flink-job-manager-0.flink-job-svc.flink.svc.cluster.local/10.244.3.166:44013 。 我不能从日志中说flink-job-manager-1绑定到此IP。 但我怀疑无头服务可能会返回多个IP而Flink选择错误/旧的IP。 你能登录flink-job-manager-1 pod并查看它的IP地址是什么吗？

我认为您应该能够通过为每个JobManager定义专用服务或者使用pod主机名来解决此问题。