干货 | Elasticsearch 集群健康值红色终极解决方案

题记

Elasticsearch当清理缓存（ echo 3 > /proc/sys/vm/drop_caches ）的时候，出现 
如下集群健康值：red，红色预警状态，同时部分分片都成为灰色。 
  
查看Elasticsearch启动日志会发现如下： 
集群服务超时连接的情况。

该问题排查耗时很长，问题已经解决。 
特将问题排查及解决方案详尽的整理出来。

 

1、集群状态解读

 

head插件会以不同的颜色显示。 

 

参考官网：http://t.cn/RltLEpN（部分中文集群健康状态博文资料翻译的不够精确，以官网为准）

 

如果集群状态为红色， Head插件显示：集群健康值red 。则说明：至少一个主分片分配失败。

 

这将导致一些数据以及索引的某些部分不再可用。

尽管如此， ElasticSearch还是允许我们执行查询，至于是通知用户查询结果可能不完整还是挂起查询，则由应用构建者来决定。

 

2、什么是unassigned 分片？

一句话解释：未分配的分片。 
启动ES的时候，通过Head插件不停刷新，你会发现集群分片会呈现紫色、灰色、最终绿色的状态。

 

3、为什么会出现 unassigned 分片？

如果不能分配分片，例如，您已经为集群中的节点数过分分配了副本分片的数量，则分片将保持UNASSIGNED状态。 
其错误码为：ALLOCATION_FAILED。

你可以通过如下指令，查看集群中不同节点、不同索引的状态。

GET _cat/shards?h=index,shard,prirep,state,unassigned.reason

4、出现unassigned 分片后的症状？

head插件查看会：Elasticsearch启动N长时候后，某一个或几个分片仍持续为灰色。

 

5、unassigned 分片问题可能的原因？

6、集群状态红色如何排查？

症状：集群健康值红色; 
日志：集群服务连接超时； 
可能原因：集群中部分节点的主分片未分配。 
接下来的解决方案主要围绕：使主分片unsigned 分片完成再分配展开。

 

7、如何Fixed unassigned 分片问题？

方案一：极端情况——这个分片数据已经不可用，直接删除该分片。 

ES中没有直接删除分片的接口，除非整个节点数据已不再使用，删除节点。 

方案二：集群中节点数量>=集群中所有索引的最大副本数量 +１。 
N> = R + 1 
其中： 
N——集群中节点的数目； 
R——集群中所有索引的最大副本数目。 

知识点：

 

问题就转嫁为： 
１）添加节点处理，即Ｎ增大； 
２）删除副本分片，即R置为0。 
R置为0的方式，可以通过如下命令行实现：

方案三：allocate重新分配分片。 
如果方案二仍然未解决，可以考虑重新分配分片。

 

可能的原因：

 

1）节点在重新启动时可能遇到问题。正常情况下，当一个节点恢复与群集的连接时，它会将有关其分片的信息转发给主节点，然后主节点将这分片从“未分配”转换为“已分配/已启动”。

2）当由于某种原因（例如节点的存储已被损坏）导致该进程失败时，分片可能保持未分配状态。

在这种情况下，您必须决定如何继续：尝试让原始节点恢复并重新加入集群（并且不要强制分配主分片）；

 

或者强制使用Reroute API分配分片并重新索引缺少的数据原始数据源或备份。 
如果您决定分配未分配的主分片，请确保将“allow_primary”：“true”标志添加到请求中。

 

ES5.X使用脚本如下：

ES2.X及早期版本，将 allocate_replica改为 allocate，其他不变。

 

脚本解读： 
步骤1：定位 UNASSIGNED 的节点和分片。

步骤2：通过 allocate_replica 将 UNASSIGNED的分片重新分配。

 

8、核心知识点

1）路由 
原理很简单，把每个用户的数据都索引到一个独立分片中，在查询时只查询那个用户的分片。这时就需要使用路由。 

使用路由优势：路由是优化集群的一个很强大的机制。 

它能让我们根据应用程序的逻辑来部署文档, 从而可以用更少的资源构建更快速的查询。

 

2）在索引过程中使用路由 
我们可以通过路由来控制 ElasticSearch 将文档发送到哪个分片。 
路由参数值无关紧要，可以取任何值。重要的是在将不同文档放到同一个分片上时, 需要使用相同的值。

 

3）指定路由查询 
路由允许用户构建更有效率的查询，当我们只需要从索引的一个特定子集中获取数据时, 为什么非要把查询发送到所有的节点呢?

 

指定路由查询举例:

 

curl -XGET 'localhost:9200/documents/_search?pretty&q=*:*&routing=A'

 

4）集群再路由reroute 
reroute命令允许显式地执行包含特定命令的集群重新路由分配。

 

例如，分片可以从一个节点移动到另一个节点，可以取消分配，或者可以在特定节点上显式分配未分配的分片。

 

5）allocate分配原理 
分配unassigned的分片到一个节点。

 

将未分配的分片分配给节点。接受索引和分片的索引名称和分片号，以及将分片分配给它的节点。。 
它还接受allow_primary标志来明确指定允许显式分配主分片（可能导致数据丢失）。

 

9、小结

1）该问题的排查累计超过6个小时，最终找到解决方案。之前几近没有思路，想放弃，但咬牙最终解决。

2) 切记，第一手资料很重要！ 
Elasticsearch出现问题，最高效的解决方案是第一手资料ES英文官网文档，其次是ES英文论坛、ES github issues，再次是stackoverflow等英文论坛、博客。最后才是：Elasticsearch中文社区、其他相关中文技术博客等。

因为：所有的论坛、博客文字都是基于ES英文官方文档再整理，难免有缺失或错误。

3）自己的Elasticsearch基础原理、Lucene基础知识的不牢固，别无它法，继续深入研究，继续死磕中…….