MaxCompute支持通过配置阈值报警规则，监控作业运行时长。当作业运行超时后，系统会将报警信息发送至报警联系人，助力及时识别异常作业，提升运维效率。本文为您介绍作业超时报警的监控指标、配置方法及处理报警方式。

前提条件

在配置作业超时报警功能前，请您确认已开通阿里云云监控服务。

背景信息

监控作业运行时长的指标如下。
指标名称 实现原理 适用场景
作业运行时长 以MaxCompute项目为单位，监控项目下的所有作业。如果某个作业的运行时间（包含等待时间）超过设定的阈值，系统会按照配置的报警规则将报警信息发送至报警联系人。 例如，专用于分析师取数据的MaxCompute项目，通常作业运行耗时不长。您需要提前配置该监控指标，如果作业运行时间过长，可以及时检查是否存在资源紧张或作业计算量过大等问题。

如果项目存在需要长时间执行的作业，则不推荐配置该监控指标。例如Spark流式作业（spark.hadoop.odps.cupid.engine.running.type=longtime）。

作业运行时长_SQL类型 以MaxCompute项目为单位，监控项目下的所有SQL类型作业。如果某个SQL作业的运行时间（包含等待时间）超过设定的阈值，系统会按照配置的报警规则将报警信息发送至报警联系人。 例如生产项目，您需要提前配置该监控指标，如果作业运行时间过长，可以及时处理超时问题，避免出现业务延迟。

配置监控告警

  1. 登录云监控控制台。
  2. 创建报警联系人。
    更多创建报警联系人操作信息，请参见创建报警联系人。
  3. 创建报警联系组。
    更多创建报警联系组操作信息，请参见创建报警联系组。
  4. 在左侧导航栏，单击报警服务 > 报警规则。
  5. 在报警规则页面的阈值报警页签，单击创建报警规则。
  6. 单击创建报警规则。
  7. 在创建报警规则页面，配置报警规则相关信息。
    请重点关注下表参数，其他报警规则参数配置，请参见创建阈值报警规则。报警规则
    配置项 参数 说明
    关联资源 产品 在下拉列表选择MaxCompute-通用。
    资源范围 在下拉列表选择项目名称。
    地域 在下拉列表选择目标MaxCompute项目所在地域。
    项目名称 在下拉列表选择目标MaxCompute项目。
    设置报警规则 规则描述 根据项目情况，在下拉列表选择监控指标类型为作业运行时长或作业运行时长_SQL类型，并选择周期，配置规则为大于等于阈值。

    例如，作业运行时长 1分钟周期 持续3个周期 最大值>=1800 seconds，表示报警服务每1分钟检查作业运行时长是否超过1800s，只检查3次。

处理报警

作业运行时长超过阈值后会触发报警，报警联系人会接收到报警通知。报警联系人可以按照如下流程处理报警：

  1. 进入MaxCompute管家的作业管理页面，基于报警通知中的InstanceID信息，查找到超时作业。

    更多进入作业管理页面操作信息，请参见作业管理。

    更多查看具体作业操作信息，请参见查看具体作业运行详情。

    查找作业
    说明 如果作业仍处于Running状态，请先判断是否需要继续运行，如有需要可选择终止作业。更多终止作业操作信息，请参见终止作业。
    • 如果作业是通过DataWorks节点提交的（上图中的DataWorks节点ID不为空），转2。
    • 如果作业不是通过DataWorks节点提交的，转3。
  2. 可选：进入DataWorks运维中心，查看作业的详细信息，并根据实际情况处理超时问题。
    更多通过DataWorks运维中心查看作业信息，请参见查看周期任务。
  3. 可选：在作业管理页面的Instance列表区域，单击操作列的Logview，查看作业的详细信息，并根据实际情况处理超时问题。
    更多Logview使用信息，请参见使用Logview 2.0查看Job运行信息。