原文网址：ElasticSearch重启失败的解决方案_IT利刃出鞘的博客-CSDN博客

简介

本文介绍ES重启失败的解决方法。

问题描述

对ES集群进行了重启，集群重启几分钟后，部分实例开始逐渐下线，导致集群不可恢复。

集群规模

普通模式，3EsMaster，40EsNode，每实例均为31GB内存。

数据量：

1000多index, 38365个shard，其中主分片28695个，数据量100T。

日志分析

ES集群重启，恢复几分钟后，出现大量ping Master节点超时的错误，然后ES节点实例开始逐渐下线，导致集群恢复不了。

原因分析

集群分片数过多，并发恢复过程中，同时业务没有停止，导致EsMaster处理压力过大，number_of_pending_tasks(挂起的任务)逐渐增加，到达4W多，大量的任务阻塞。

此时_cluster/health命令已无法正常返回结果，导致大量ES实例处于恢复中状态，连续3次检查超时后，Manager会重启实例。这会导致挂起的任务越来越多，集群不可恢复。

处理步骤

重启的过程中，发现大量ES实例执行_cluster/health命令超时错误，但其实数据仍在缓慢恢复中。于是注释_cluser/health检查脚本，防止实例多次失败后，被manager重启。
再次重启后，发现大量分片处于未分配状态，执行_cluster/allocation/explain查看分片未被分配的原因，发现shard恢复时的cluster.routing.allocation.node_current_incoming达到了最大值。鉴于集群主分片数太多，于是调大恢复参数至：cluster.routing.allocation.node_initial_primaries_recoveries 200 cluster.routing.allocation.node_concurrent_recoveries 100 cluster.routing.allocation.cluster_concurrent_rebalance 100
同时因为有业务数据写入，将分片分配设置为none:cluster.routing.allocation.enable none
再次重启后，集群开始恢复，查看_cat/thread_pool/，generic 线程池（分片恢复会用到该线程池）已经到达128，查看界面CPU使用率也在70-80，查看日志，分片正在恢复中。
10分钟左右，集群恢复到80%左右，开始恢复缓慢，初始化分片（initializing_shards）有2000多个，这些分片初始化的过程耗时接近2小时。
1. 原因分析：在多次重启的过程中，业务侧并没有停止，由于有些primary新写入了数据，在数据的recovery过程中，需要从主副本之间拷贝数据，或者利用translog恢复数据。直到primary-replica完全in-sync后，才会完成初始化。这个过程取决于shard的大小和新写入量的大小（初始化的分片普遍数据量较大）。
  1. 最后有一个分片无法分配，查看原因，该分片无法从translog in-sync（同步）。查看该索引settings，sync_interval设置为360s，设置同步刷新时间过多，会有一定几率发生数据丢失（客户有原数据备份）。
  2. 集群恢复后，还原集群参数配置和健康检查脚本。

问题根因

集群的分片数过多，按一个实例管理600shard为标准，该集群分片数过度超标的。合理设置索引分片，定期对历史索引进行处理（关闭或删除不需要的索引）。
目前的健康检查机制需要优化，使用_cluster/health去判断各实例的健康是否合理，包括检查周期等。在EsMaster压力过大的情况下，_cluster/health可能会造成误判。

ElasticSearch重启失败的解决方案相关推荐

记一次ElasticSearch重启之后shard未分配问题的解决
记一次ElasticSearch重启之后shard未分配问题的解决环境 ElasticSearch6.3.2,三节点集群 Ubuntu16.04 一个名为user的索引,索引配置为:3 primar ...
电脑计算机打不开显示远程过程,Win10打不开图片提示“远程过程调用失败”的解决方案...
Windows10系统打不开图片提示"远程过程调用失败"怎么办?这是近来不少用户在使用Win10过程中经常会碰到的问题,这个问题会给我们带来不少困扰,该怎么办呢?下面,系统城小编整 ...
CDH修改静态资源池配置,NodeManager重启失败问题
问题描述: 修改静态资源池配置的时候,重启整个CM之后,突然发现一个YARN中的NodeManager重启失败,问题NodeManager服务不能重启也不能停止.通过链接(http://hadoopi ...
鸿蒙os2.0环境搭建gradle-5.4.1-all.zip下载失败问题解决方案
鸿蒙os2.0环境搭建gradle-5.4.1-all.zip下载失败问题解决方案解决 gradle-5.4.1-zip因拉取超时而失败的这个问题鸿蒙官网的解决方案 1.按照上面链接找到环境安装 ...
计算机每次开机配置更新失败,win10系统开机总是提示配置windows更新失败的解决方案...
win10系统开机总是提示配置windows更新失败的解决方案? 我们在操作win10系统电脑的时候,常常会遇到win10系统开机总是提示配置windows更新失败的问题.那么出现win10系统开机总 ...
华为服务器DHCP进不去系统,dhcp服务器重启失败
dhcp服务器重启失败内容精选换一换启动目的端时失败,错误码:SMS.3103,提示迁移失败原因"对目的服务器重新建立引导失败".启动目的端后,系统会重新安装目的端Grub, ...
nginx重启失败nginx -s reload
nginx重启失败@TOC 欢迎项目场景: 提示: nginx 重启失败出现:"/data/wwwlogs/nginx.pid" failed (2: No such file ...
PostgreSQL切换用户，提示对等认证失败的解决方案
PostgreSQL切换用户,提示对等认证失败的解决方案参考文章: (1)PostgreSQL切换用户,提示对等认证失败的解决方案 (2)https://www.cnblogs.com/zonglr ...
Mongodb异常关闭重启失败解决
Mongodb异常关闭重启失败解决参考文章: (1)Mongodb异常关闭重启失败解决 (2)https://www.cnblogs.com/net-saiya/p/4617925.html 备忘一 ...

ElasticSearch重启失败的解决方案

简介