EMR AI助手任务中心使用指南，介绍支持的任务类型、如何配置定时巡检和告警诊断任务、查看执行记录以及排查任务执行失败。-开源大数据平台 E-MapReduce(EMR)-阿里云帮助中心

对话式诊断需要人主动发起，任务中心可以把巡检和告警诊断变成按计划自动执行的任务，并把结果推送到钉钉群。本文介绍任务中心支持的任务类型、如何配置任务和查看执行记录，以及任务执行失败时如何排查。

适用场景

任务中心适合以下场景。

生产实例的例行巡检，例如每周固定时间体检一次，提前发现风险。
慢SQL治理，周期性输出慢查询清单和优化建议，跟踪治理进展。
告警响应，告警触发后自动完成一次诊断，值班人员拿到结论后再介入。
变更前后复核，在变更窗口前后各手动执行一次巡检，对比实例状态。

支持的任务类型

任务分为定时巡检和告警诊断两类：定时巡检按配置的周期执行，适合例行体检和治理；告警诊断由指标或事件触发，适合异常响应。

任务类型	说明	典型用途
实例全量健康巡检	对实例做多维度体检，覆盖资源水位、配置、任务运行状态和异常事件。	周巡检、变更前检查、故障后复核。
运行中SQL巡检	抓取当前正在运行的SQL，按资源消耗排序。	快速发现正在影响业务的SQL。
历史慢SQL巡检	分析过去一段时间内最慢的SQL，并给出优化方向。	慢SQL治理和优化复盘。
CheckPoint告警	监控Frontend (FE) 元数据相关异常。	判断元数据风险和FE状态。
Compaction告警	监控Compaction堆积、执行失败和版本数异常。	发现写入链路和后台任务风险。
机器负载告警	监控CPU、内存、磁盘等资源水位。	发现资源瓶颈和节点风险。
Routine Load告警	监控Routine Load导入任务异常。	排查导入失败和延迟。
物化视图告警	监控物化视图刷新失败、刷新积压和状态失效。	保证查询加速链路和数据新鲜度。
查询延迟告警	监控查询响应时间异常。	发现业务延迟风险。

配置任务

任务中心包含任务配置和执行记录两部分：任务配置用于设置任务何时执行、检查哪些实例、结果推送到哪里；执行记录用于查看每次执行的结果。上表中的任务多为系统内置任务，您通常不需要新建任务，只需按业务需要调整配置并启用。

任务配置页支持的操作

操作	说明	使用时机
查看任务	查看内置任务清单、任务状态、执行周期和推送配置。	确认哪些巡检和告警已经生效。
编辑任务	修改任务名称、模型、实例范围、执行频率和推送渠道。	调整巡检计划或更换接收群。
立即执行	不等待定时调度，手动触发一次任务。	变更前后检查、故障排查、验证配置是否生效。
查看执行记录	查看该任务的历史执行结果、报告内容和失败原因。	复盘和审计。
启用或暂停	控制任务是否按计划执行。	临时关闭测试任务，或降低告警噪音。

操作步骤

登录阿里云EMR控制台。
在左侧导航栏选择EMR AI助手，然后单击任务中心 > 任务配置。
找到需要启用的任务，单击编辑。

按需设置以下配置项。

配置项	是否必填	说明
任务名称	是	用于在任务列表、执行记录和推送消息中识别任务。建议带上环境和实例信息，例如"生产核心实例周巡检"。
模型	是	用于生成巡检报告和诊断建议的大语言模型。可选模型以控制台页面为准。
监控实例	是	任务检查的目标实例，支持选择一个或多个。核心生产实例建议单独配置任务，避免多实例混在一份报告里不好定位。
执行频率	否	任务自动执行的周期和时间点，例如每周一08:00。不设置时任务不会自动执行，需要手动触发。
推送渠道	否	任务结果推送到的IM群。需要先在IM 频道中完成配置，详情请参见EMR AI助手IM频道接入指南。不配置时任务仍会执行，结果需要到执行记录中查看。

告警类任务还需要设置触发阈值、分析窗口、TopN数量和冷却时间等参数。阈值决定告警的灵敏度，冷却时间决定同一异常在多长时间内不重复告警，具体参数以任务类型对应的配置页为准。

单击保存。
单击立即执行手动触发一次，确认任务能正常执行且推送消息可以收到。

说明

手动触发不会影响原有的定时调度，两者互不干扰。

执行频率与推送建议

频率设置需要在及时性和告警噪音之间取平衡。以下是常见场景的建议。

场景	建议频率	建议推送渠道
核心生产实例	每日或每周固定时间	运维值班群
普通生产实例	每周固定时间	平台运维群
测试实例	按需手动触发或低频执行	独立测试群，不要推到生产群
重大活动保障	活动前手动执行一次，活动期间提高频率	专项保障群
变更前后检查	变更前、变更后各手动执行一次	变更群或负责人

另外建议注意以下几点：

执行时间尽量避开业务高峰和批任务高峰，除非本次巡检的目的就是检查高峰时段的状态。
告警阈值过低会造成告警疲劳，过高会漏掉早期风险。建议先按默认值运行一段时间，再根据实际告警量调整。
合理设置冷却时间，避免同一异常在短时间内反复推送。
推送渠道需要定期检查，群机器人失效或群成员变动后应及时更新配置。

查看执行记录

在执行记录页可以按任务名称或时间筛选，查看每次定时触发、手动触发或告警触发后的结果。各字段含义如下。

字段	含义	使用建议
任务名称、任务类型	本次执行对应的任务及其类型。	多任务并存时用于快速定位记录。
触发方式	定时触发、手动触发或告警触发。	确认定时任务是否按计划执行。
开始时间、结束时间	本次执行的时间窗口。	判断任务是否超时或延迟。
执行状态	成功、失败、执行中或部分成功。	失败时查看失败原因，参见执行失败排查。
结果摘要、详情报告	AI助手生成的检查结论和完整报告内容。	先看摘要中的高风险项，再按需展开详情报告。
推送状态	结果是否成功推送到IM渠道。	推送失败时检查IM渠道配置。

说明

执行记录是故障复盘、周报和治理追踪的主要数据来源，建议定期回顾，跟踪实例健康趋势。报告中的结论需要结合实际监控数据和业务上下文判断，不要直接作为变更依据。

执行失败排查

任务执行失败时，先在执行记录中查看失败原因，再按下表处理。

失败原因	表现	处理方式
实例不可用	任务无法读取实例运行数据。	检查实例状态是否正常，实例恢复后重新触发任务。
权限不足	无法读取监控指标、任务记录或实例配置。	检查账号权限，详情请参见EMR AI助手快速入门。
IM渠道失效	任务执行成功但推送失败。	检查Webhook地址、签名密钥和群机器人状态。
Tokens额度不足	任务中断，无法生成完整报告。	查看剩余额度和计费状态，详情请参见EMR AI助手按量计费说明。
配置不完整	未选择实例或缺少必填参数。	回到任务配置页补齐必填项后重新保存。
系统限流	短时间内触发的任务过多。	错开各任务的调度时间，或降低执行频率。

告警处理流程

告警触发后，AI助手会自动完成一次诊断并生成执行记录，同时把结论推送到关联的IM群。建议按以下流程处理。

在IM群中确认告警涉及的实例、时间和风险等级。
打开执行记录查看完整诊断报告，确认影响范围。
如果结论需要进一步验证，在对话窗口用对应的专家技能深入分析，详情请参见EMR AI助手专家技能总览。
执行处置动作。涉及生产变更时按变更流程审批。
复盘本次告警，判断阈值和冷却时间是否需要调整，避免同类问题反复触发或漏报。

常见问题

定时任务和告警任务有什么区别？

定时任务按固定周期执行，适合例行巡检和日报；告警任务由指标或事件触发，适合异常响应。两者的执行结果都记录在执行记录中。

一个IM渠道可以接收多个任务的结果吗？

可以。但建议把生产告警、日常巡检和测试验证分开配置到不同群，避免重要消息被噪音淹没。

不设置执行频率可以吗？

可以。只做临时检查时不设置频率，通过立即执行手动触发即可。用于持续运维时建议配置定时执行。

可以关闭内置的告警任务吗？

可以暂停，但不建议关闭关键告警任务，除非已经有其他监控机制覆盖同类风险。

手动触发会影响定时调度吗？

不会。手动触发是一次独立执行，原有的定时计划照常生效。