【问题现象】
报错1：
报错2：
【定位步骤】
-
报错1是因为flink写日志的文件目录权限不够。为什么不够呢？因为该环境是admin部署，而flink的用户是自己创建的一个用户999，不是root用户，访问权限报错
--解决办法：在对应扩容脚本中增加日志目录的权限赋值，赋值为777 -
报错为taskmanager初始化失败，是因为底层需要拿hostname/ip去连接jobmanager，而hostname拿不到，ipv6解析又报错导致初始化失败
分析步骤：
- 对比正常ipv6环境和该环境日志打印对比，发现正常环境会有一个Trying connect的尝试过程，如下截图
而问题环境都没有尝试直接使用hostname或者ipv6去连接了。 - 分析源码ConnectionUtils，查看造成这部分代码流程不同的原因：在ConnectionUtils 只打印了一个Retrieved new target address，而之后就跳出了该文件和方法
猜测与while这里的时间判断有关，导致直接跳出while了，后续没有日志打印，造成了代码流程的不同 - 验证，测试反馈该环境改过时间，而jobmanager的pod没有重启，而taskmanager的pod重启了，与节点时间保持了一致，这两个pod时间没有同步，导致走了不同的流程。查看两个环境中的日志打印时间，的确差了几分钟，在问题环境手动同时重启两个pod，流程变为正常，pod启动正常。
- 思考，分布式环境中，配置和时间需要保持一致，不然会出现很多意想不到的问题。