TM太多，作业运行失败如何解决？
需要200个slot，如果指定TM个数为40，每个TM的slot个数为4，可以正常运行作业。如果指定TM为200，每个TM的slot个数为1，集群可以正常构建，ui上Available Task Slots显示为200，提交作业的时候，就会出现如下报错：
Cased by: java.net.NoRouteToHostException: No route to host.
目前我遭遇到的使用场景说明如上，希望得到一些回复和解答说明，非常感谢。
来自志愿者整理的flink邮件归档来自志愿者整理的FLINK邮件归档
写回答
-
从日志看，报错的根本原因是有 TM 挂掉了，导致 pod 被 remove，这样从其他 TM 上就找不到挂掉的 TM 的地址。你可以确认一下，发生错误的时候是否有 TM 挂掉/重启。
至于 TM 挂掉的原因，需要想办法获取到失败 TM 的日志。按照你之前的描述，集群启动的时候是没问题的，作业执行的时候才有问题。我现在怀疑的方向是，作业执行造成的资源问题使得 TM 发生了 OOM 或者是内存超用被 Kubernetes 杀掉了。你在修改 TM 数量、slot 数量的过程中，是否调整了 TM 的资源大小？另外即使没有调整，作业本身消耗的资源也会有所变化，例如 TM 数量变多导致每个 TM 需要建立更多的网络连接从而消耗的内存。具体还是需要根据日志分析。
来自志愿者整理的flink邮件归档来自志愿者整理的FLINK邮件归档
2021-12-05 11:10:05赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
