集群挂了一个节点，job失败

[delve]

• nebula 版本：3.4.0
• 部署方式：nebula-operator
• 安装方式：Docker
  
  
  
  
  
  
  模拟单节点故障，手动下线nebula-0,然后执行job。job会失败。0被分配到了任务导致失败。

[delve]

请问这个问题如何解决？有节点故障的情况下，只有执行SUBMIT JOB STATS这一个能成功，其他job都会失败

[delve]

挂掉的第一天stats这个还能成功，现在执行也会失败了

[min.wu]

期望行为什么？外部重试还是内部重试？

[delve]

期望是高可用，一个节点故障后，job还是能执行成功

[min.wu]

还是外部重试吧。毕竟。。需求提了也做不过来了。。。。

[delve]

可是现在是已经挂掉的情况下，job也执行不成功呢，这个问题看一下？不是执行job的时候节点故障不成功，是故障后再执行job不成功

[min.wu]

哦哦sorry

我记得这个问题好像修复过吧 ？@Sophie

[Sophie]

没这个印象。请看下呢。@critical27

[delve]

这个问题看的咋样了，怎么在一个节点故障的时候去执行job能成功？

[delve]

请问这个问题能帮忙看一下吗？现在是图空间创建的时候指定三副本。故障一个节点后去执行job，stats这个job是能成功的，balance leader也能成功，其他job不会成功，是其他的不支持吗？

[xjc]

你可以show job id看下子任务的状态，有些job需要在所有hosts上执行，一个fail了也就failed了。