Elasticsearch 集群状态变成黄色或者红色,怎么办?
1、引言
本系列文章介绍如何修复 Elasticsearch 集群的常见错误和问题。
这是系列文章的第六篇,主要探讨:Elasticsearch 集群状态变成黄色或者红色,怎么办?
第一篇:Elasticsearch 磁盘使用率超过警戒水位线,怎么办?
第二篇:Elasitcsearch CPU 使用率突然飙升,怎么办?
第三篇:Elasticsearch 断路器报错,怎么办?
第四篇:Elasticsearch JVM 堆内存使用率飙升,怎么办?
第五篇:Elasticsearch 出现 “429 rejected” 报错,怎么办?
2、集群健康状态之红色或黄色含义
红色或黄色集群状态表示一个或多个分片丢失或未分配。
这些未分配的分片会增加数据丢失的风险,并会降低集群性能。
3、集群健康状态诊断
3.1 检测集群健康状态
命令行方式
可视化方式
• head 插件可视化
• kibana 可视化监控
3.2 查看未分配的分片
几个参数解释如下:
• v=true, 代表显示字段含义;否则首行内容不显示。
• h=*,代表列名;
• s=state,代表基于state方式排序。等价于:s=state:asc,默认升序方式排序。
• prirep,代表分片类型。p:代表主分片;r:代表副本分片。
如上截图代表:order_info、test_data等索引包含未分配的副本分片,这点和集群健康状态“黄色”一致。
3.3 查看未分配的分片的原因
上面的返回结果:unassigned.reason 已经基本包含了未分配的原因。但想得到更为详细的解释,需要使用如下的命令。
上面的几个参数解释如下:
•index:索引名称,建议结合前一步指定。
•shard:分片序号。从 0 开始计数。
•primary:是否主分片;true 代表是;false 代表否。返回结果如下:
explanation 就是根本原因。如下 head 插件和 Kibana 都能看的更为明显。
本质原因就是:只有一个节点,但是设置了副本,导致了主分片可以分片正常,副本分片无法分配。进而导致:集群健康状态是黄色。如何修复,下文会给出答案。
4、修复非健康集群状态方案汇总
分片变得未分配的原因有很多种。下文概述了最常见的原因及其解决方案。
4.1 重新启用分片分配
适用场景:节点重启过或者设置过禁用分片分配,但之后忘记设置重新分配策略,Elasticsearch 将无法分配分片。
需要手动更新集群设置才可以实现重新分配。
4.2 调整节点下线时分片分配控制策略
当数据节点下线或特定原因宕机导致离开集群时,分片通常会变成未分配状态。造成这种情况的原因很多,比如:连接问题;比如:硬件故障问题等。
当这些故障解决后,下线节点重新加入集群,然后,Elasaticsearch 将自动分配之前因节点下线等原因导致的未分配的分片。
为了避免在上述问题上浪费资源,Elasticsearch 默认将分配延迟一分钟。根据业务实际需要,比如:因升级内存而下线数据节点的场景,可以将该延时值调大。
参考命令行如下:
如果已恢复节点并且不想等待延迟期,则可以调用不带参数的集群 reroute API 来启动分配过程。该进程在后台异步运行。
4.3 分片分配设置层面修复
分片分配设置错误可能会导致主分片无法分配。这些设置包括但不限于:
• 索引层面的分片分配设置;
• 集群层面的分片分配设置;
• 集群层面的感知(awareness)分片分配设置。
为了获取分片分配的细节设置,推荐使用如下两个 API:
注意:
flat_settings 标志会影响设置列表的呈现。当 flat_settings 标志为 true 时,相关设置以平面格式返回,如上图所示。
include_defaults 默认值是 false,如果为 true,则代表返回集群所有缺省值。
更多参数设置,推荐阅读:https://www.elastic.co/guide/en/elasticsearch/reference/current/common-options.html
https://www.elastic.co/guide/en/elasticsearch/reference/current/cluster-get-settings.html
4.4 减少副本设置
为了防止硬件故障,Elasticsearch 不会将副本分配给与其主分片相同的节点。
如果没有其他数据节点可用于分配副本分片,则该副本分片保持未分配状态。如开篇截图的黄色集群状态,本质就是这个原因。要解决此问题,你可以:
• 添加相同角色的数据节点。
• 通过更新 index.number_of_replicas 索引设置减少每个主分片的副本数。
PS:为了保证集群线上业务的高可用性,建议每个主节点至少保留一个副本。
如下是集群层面的设置,设置后对整个集群生效。
4.5 释放或增加磁盘空间
Elasticsearch 使用 low disk watermark 低磁盘警戒水位线来确保数据节点有足够的磁盘空间来接收分片。
默认情况下,Elasticsearch 不会将分片分配给磁盘使用率超过 85% 的节点。要检查节点的当前磁盘空间,请使用 cat allocation API。
如果你的节点磁盘空间不足,你通常有如下四个细化方案:
方案 1:升级节点以增加磁盘空间。
方案 2:删除不需要的索引以释放空间。
(1)如果你使用 ILM 索引生命周期管理,则可以更新生命周期策略以使用可搜索快照或添加删除阶段。
(2)如果你不再需要搜索数据,可以使用快照将其历史数据存储在集群外。
PS:这里强调的删除索引,delete 操作,不是删除数据的 delete_by_query 操作,切记!
• 方案 3:如果你不再写入索引,请使用强制合并 API( force merge API ) 或 ILM 的强制合并操作将其段合并为更大的段。
• 方案 4:如果索引是只读的,请使用 shrink index API 或 ILM 的 shrink action 来减少其主分片数。
• 方案 5:如果你的节点具有较大的磁盘容量,你可以调大低磁盘警戒水位线的值或将其设置为显式字节值。
具体设置,参考如下:
4.6 减少 JVM 堆内存压力
分片分配需要 JVM 堆内存。高 JVM 内存压力可能会触发停止分片分配并使分片未分配的断路器(出现内存熔断现象)。
推荐阅读:Elasticsearch JVM 堆内存使用率飙升,怎么办?
4.7 主分片丢失情况的恢复策略
如果包含主分片的节点因故障或其他原因下线,Elasticsearch 通常可以使用另一个节点上的副本替换它。
如果包含主分片的节点无法恢复或其副本不存在或无法恢复(这是比较极端的情况),则需要从快照或原始数据源重新添加丢失的数据。
注意啦,前方高能!!!
仅当节点不再可能成功恢复时才使用此选项。因为:此过程分配一个空的主分片。如果节点稍后重新加入集群,Elasticsearch 将用这个较新的空分片中的数据覆盖其主分片,从而导致数据丢失。
使用集群重新路由 reroute API 手动将未分配的主分片分配给同一角色中的另一个数据节点。将参数 accept_data_loss 设置为 true。
5、小结
之前也有多篇文章介绍集群非健康状态修复,如下:
干货 | Elasticsearch 集群健康值红色终极解决方案
干货 | Elasticsearch集群黄色原因的终极探秘
Elasticsearch 集群故障排查及修复指南
本篇结合最新官方文档解读,更为全面和具体。
实战环节如果遇到类似问题,建议参考本文,从上到下逐一排查,直至解决。
你在实战环节肯定也遇到集群非健康状态问题,你是如何解决的呢?欢迎留言写下你的实战思考。
参考
1. https://www.elastic.co/guide/en/elasticsearch/reference/current/fix-common-cluster-issues.html
2.https://www.elastic.co/guide/en/elasticsearch/reference/current/cluster-get-settings.html
公众号:铭毅天下Elasticsearch