Elasticsearch 集群和索引健康状态及常见错误说明
之前在IDC机房环境部署了一套ELK日志集中分析系统, 这里简单总结下ELK中Elasticsearch健康状态相关问题, Elasticsearch的索引状态和集群状态传达着不同的意思。
一. Elasticsearch 集群健康状态
一个 Elasticsearch 集群至少包括一个节点和一个索引。或者它 可能有一百个数据节点、三个单独的主节点,以及一小打客户端节点——这些共同操作一千个索引(以及上万个分片)。但是不管集群扩展到多大规模,你都会想要一个快速获取集群状态的途径。Cluster Health API 充当的就是这个角色。你可以把它想象成是在一万英尺的高度鸟瞰集群。它可以告诉你安心吧一切都好,或者警告你集群某个地方有问题。Elasticsearch 里其他 API 一样,cluster-health 会返回一个 JSON 响应。这对自动化和告警系统来说,非常便于解析。响应中包含了和你集群有关的一些关键信息:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
|
查看Elasticsearch健康状态 (*表示ES集群的master主节点) [root@elk-node03 ~] # curl -XGET 'http://10.0.8.47:9200/_cat/nodes?v' host ip heap.percent ram .percent load node.role master name 10.0.8.47 10.0.8.47 53 85 0.16 d * elk-node03.kevin.cn 10.0.8.44 10.0.8.44 26 54 0.09 d m elk-node01.kevin.cn 10.0.8.45 10.0.8.45 71 81 0.02 d m elk-node02.kevin.cn 下面两条shell命令都可以监控到Elasticsearch健康状态 [root@elk-node03 ~] # curl 10.0.8.47:9200/_cat/health 1554792912 14:55:12 kevin-elk green 3 3 4478 2239 0 0 0 0 - 100.0% [root@elk-node03 ~] # curl -X GET 'http://10.0.8.47:9200/_cluster/health?pretty' { "cluster_name" : "kevin-elk" , #集群名称 "status" : "green" , #为 green 则代表健康没问题,如果是 yellow 或者 red 则是集群有问题 "timed_out" : false , #是否有超时 "number_of_nodes" : 3, #集群中的节点数量 "number_of_data_nodes" : 3, "active_primary_shards" : 2234, "active_shards" : 4468, "relocating_shards" : 0, "initializing_shards" : 0, "unassigned_shards" : 0, "delayed_unassigned_shards" : 0, "number_of_pending_tasks" : 0, "number_of_in_flight_fetch" : 0, "task_max_waiting_in_queue_millis" : 0, "active_shards_percent_as_number" : 100.0 #集群分片的可用性百分比,如果为0则表示不可用 } |
正常情况下,Elasticsearch 集群健康状态分为三种:
green 最健康得状态,说明所有的分片包括备份都可用; 这种情况Elasticsearch集群所有的主分片和副本分片都已分配, Elasticsearch集群是 100% 可用的。
yellow 基本的分片可用,但是备份不可用(或者是没有备份); 这种情况Elasticsearch集群所有的主分片已经分片了,但至少还有一个副本是缺失的。不会有数据丢失,所以搜索结果依然是完整的。不过,你的高可用性在某种程度上被弱化。如果 更多的 分片消失,你就会丢数据了。把 yellow 想象成一个需要及时调查的警告。
red 部分的分片可用,表明分片有一部分损坏。此时执行查询部分数据仍然可以查到,遇到这种情况,还是赶快解决比较好; 这种情况Elasticsearch集群至少一个主分片(以及它的全部副本)都在缺失中。这意味着你在缺少数据:搜索只能返回部分数据,而分配到这个分片上的写入请求会返回一个异常。
Elasticsearch 集群不健康时的排查思路
-> 首先确保 es 主节点最先启动,随后启动数据节点;
-> 允许 selinux(非必要),关闭 iptables;
-> 确保数据节点的elasticsearch配置文件正确;
-> 系统最大打开文件描述符数是否够用;
-> elasticsearch设置的内存是否够用 ("ES_HEAP_SIZE"内存设置 和 "indices.fielddata.cache.size"上限设置);
-> elasticsearch的索引数量暴增 , 删除一部分索引(尤其是不需要的索引);
二. Elasticsearch索引状态
1
2
3
4
5
6
7
8
9
|
查看Elasticsearch 索引状态 (*表示ES集群的master主节点) [root@elk-node03 ~] # curl -XGET 'http://10.0.8.47:9200/_cat/indices?v' health status index pri rep docs.count docs.deleted store.size pri.store.size green open 10.0.61.24-vfc-intf-ent-deposit.log-2019.03.15 5 1 159 0 324.9kb 162.4kb green open 10.0.61.24-vfc-intf-ent-login.log-2019.03.04 5 1 3247 0 3.4mb 1.6mb green open 10.0.61.24-vfc-intf-ent-login.log-2019.03.05 5 1 1663 0 2.6mb 1.3mb green open 10.0.61.24-vfc-intf-ent-deposit.log-2019.03.19 5 1 14 0 81.1kb 40.5kb ................. ................. |
Elasticsearch 索引的健康状态也有三种,即yellow、green、red与集群的健康状态解释是一样的!
三. Elasticsearch 相关概念
- Elasticsearch集群与节点
节点(node)是你运行的Elasticsearch实例。一个集群(cluster)是一组具有相同cluster.name的节点集合,它们协同工作,共享数据并提供故障转移和扩展功能,当有新的节点加入或者删除节点,集群就会感知到并平衡数据。集群中一个节点会被选举为主节点(master),它用来管理集群中的一些变更,例如新建或删除索引、增加或移除节点等;当然一个节点也可以组成一个集群。
- Elasticsearch节点通信
可以与集群中的任何节点通信,包括主节点。任何一个节点互相知道文档存在于哪个节点上,它们可以转发请求到我们需要数据所在的节点上。我们通信的节点负责收集各节点返回的数据,最后一起返回给客户端。这一切都由Elasticsearch透明的管理。
- Elasticsearch集群生态
-> 同集群中节点之间可以扩容缩容;
-> 主分片的数量会在其索引创建完成后修正,但是副本分片的数量会随时变化;
-> 相同的分片不会放在同一个节点上;
- Elasticsearch分片与副本分片
分片用于Elasticsearch在集群中分配数据, 可以想象把分片当作数据的容器, 文档存储在分片中,然后分片分配给你集群中的节点上。 当集群扩容或缩小,Elasticsearch将会自动在节点间迁移分片,以使集群保持平衡。 一个分片(shard)是一个最小级别的“工作单元(worker unit)”,它只是保存索引中所有数据的一小片.我们的文档存储和被索引在分片中,但是我们的程序不知道如何直接与它们通信。取而代之的是,它们直接与索引通信.Elasticsearch中的分片分为主分片和副本分片,复制分片只是主分片的一个副本,它用于提供数据的冗余副本,在硬件故障之后提供数据保护,同时服务于像搜索和检索等只读请求,主分片的数量和复制分片的数量都可以通过配置文件配置。但是主切片的数量只能在创建索引时定义且不能修改.相同的分片不会放在同一个节点上。
- Elasticsearch分片算法
1
|
shard = hash (routing) % number_of_primary_shards |
routing值是一个任意字符串,它默认是_id但也可以自定义,这个routing字符串通过哈希函数生成一个数字,然后除以主切片的数量得到一个余数(remainder),余数的范围永远是0到number_of_primary_shards - 1,这个数字就是特定文档所在的分片。 这也解释了为什么主切片的数量只能在创建索引时定义且不能修改:如果主切片的数量在未来改变了,所有先前的路由值就失效了,文档也就永远找不到了。所有的文档API(get、index、delete、bulk、update、mget)都接收一个routing参数,它用来自定义文档到分片的映射。自定义路由值可以确保所有相关文档.比如用户的文章,按照用户账号路由,就可以实现属于同一用户的文档被保存在同一分片上。
- Elasticsearch分片与副本交互
新建、索引和删除请求都是写(write)操作,它们必须在主分片上成功完成才能复制到相关的复制分片上,下面我们罗列在主分片和复制分片上成功新建、索引或删除一个文档必要的顺序步骤:
-> 客户端给Node 1发送新建、索引或删除请求。
-> 节点使用文档的_id确定文档属于分片0。它转发请求到Node 3,分片0位于这个节点上。
-> Node 3在主分片上执行请求,如果成功,它转发请求到相应的位于Node 1和Node 2的复制节点上。当所有的复制节点报告成功,Node 3报告成功到请求的节点,请求的节点再报告给客户端。 客户端接收到成功响应的时候,文档的修改已经被应用于主分片和所有的复制分片。你的修改生效了
- 查看分片状态
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
[root@elk-node03 ~] # curl -X GET 'http://10.0.8.47:9200/_cluster/health?pretty' { "cluster_name" : "kevin-elk" , "status" : "green" , "timed_out" : false , "number_of_nodes" : 3, "number_of_data_nodes" : 3, "active_primary_shards" : 2214, "active_shards" : 4428, "relocating_shards" : 0, "initializing_shards" : 0, "unassigned_shards" : 0, "delayed_unassigned_shards" : 0, "number_of_pending_tasks" : 0, "number_of_in_flight_fetch" : 0, "task_max_waiting_in_queue_millis" : 0, "active_shards_percent_as_number" : 100.0 } |
这里需要注意: 如下是单点单节点部署Elasticsearch, 集群状态可能为yellow, 因为单点部署Elasticsearch, 默认的分片副本数目配置为1,而相同的分片不能在一个节点上,所以就存在副本分片指定不明确的问题,所以显示为yellow,可以通过在Elasticsearch集群上添加一个节点来解决问题,如果不想这么做,可以删除那些指定不明确的副本分片(当然这不是一个好办法)但是作为测试和解决办法还是可以尝试的,下面试一下删除副本分片的办法:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
|
[root@elk-server ~] # curl -X GET 'http://localhost:9200/_cluster/health?pretty' { "cluster_name" : "elasticsearch" , "status" : "yellow" , "timed_out" : false , "number_of_nodes" : 1, "number_of_data_nodes" : 1, "active_primary_shards" : 931, "active_shards" : 931, "relocating_shards" : 0, "initializing_shards" : 0, "unassigned_shards" : 930, "delayed_unassigned_shards" : 0, "number_of_pending_tasks" : 0, "number_of_in_flight_fetch" : 0, "task_max_waiting_in_queue_millis" : 0, "active_shards_percent_as_number" : 50.02686727565825 } [root@elk-server ~] # curl -XPUT "http://localhost:9200/_settings" -d' { "number_of_replicas" : 0 } ' { "acknowledged" : true } 这个时候再次查看集群的状态状态变成了green [root@elk-server ~] # curl -X GET 'http://localhost:9200/_cluster/health?pretty' { "cluster_name" : "elasticsearch" , "status" : "green" , "timed_out" : false , "number_of_nodes" : 1, "number_of_data_nodes" : 1, "active_primary_shards" : 931, "active_shards" : 931, "relocating_shards" : 0, "initializing_shards" : 0, "unassigned_shards" : 0, "delayed_unassigned_shards" : 0, "number_of_pending_tasks" : 0, "number_of_in_flight_fetch" : 0, "task_max_waiting_in_queue_millis" : 0, "active_shards_percent_as_number" : 100.0 } |
- Elasticsearch索引的unssigned问题
如下, 访问http://10.0.8.47:9200/_plugin/head/, 发现有unssigned现象:
这里的unssigned就是未分配副本分片的问题,接下来执行settings中删除副本分片的命令后, 这个问题就解决了:
1
2
|
[root@elk-node03 ~] # curl -XPUT "http://10.0.8.47:9200/_settings" -d' { "number_of_replicas" : 0 } ' { "acknowledged" : true } |
四. Elasticsearch集群健康状态为"red"现象的排查分析
通过Elasticsearch的Head插件访问, 发现Elasticsearch集群的健康值为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。head插件会以不同的颜色显示, 绿色表示最健康的状态,代表所有的主分片和副本分片都可用; 黄色表示所有的主分片可用,但是部分副本分片不可用; 红色表示部分主分片不可用. (此时执行查询部分数据仍然可以查到,遇到这种情况,还是赶快解决比较好)
接着查看Elasticsearch启动日志会发现集群服务超时连接的情况:
1
|
timeout notification from cluster service. timeout setting [1m], time since start [1m] |
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,就会发现集群分片会呈现紫色、灰色、最终绿色的状态。
为什么会出现 unassigned 分片?
如果不能分配分片,例如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。可以通过如下指令,查看集群中不同节点、不同索引的状态.
1
|
[root@elk-node03 ~] # curl -XGET 'http://10.0.8.47:9200/_cat/shards?h=index,shard,prirep,state,unassigned.reason' |
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。
unassigned 分片问题可能的原因?
1
2
3
4
5
6
7
8
9
10
11
12
|
INDEX_CREATED: 由于创建索引的API导致未分配。 CLUSTER_RECOVERED: 由于完全集群恢复导致未分配。 INDEX_REOPENED: 由于打开 open 或关闭close一个索引导致未分配。 DANGLING_INDEX_IMPORTED: 由于导入dangling索引的结果导致未分配。 NEW_INDEX_RESTORED: 由于恢复到新索引导致未分配。 EXISTING_INDEX_RESTORED: 由于恢复到已关闭的索引导致未分配。 REPLICA_ADDED: 由于显式添加副本分片导致未分配。 ALLOCATION_FAILED: 由于分片分配失败导致未分配。 NODE_LEFT: 由于承载该分片的节点离开集群导致未分配。 REINITIALIZED: 由于当分片从开始移动到初始化时导致未分配(例如,使用影子shadow副本分片)。 REROUTE_CANCELLED: 作为显式取消重新路由命令的结果取消分配。 REALLOCATED_REPLICA: 确定更好的副本位置被标定使用,导致现有的副本分配被取消,出现未分配。 |
Elasticsearch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。
如何解决 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 (即删除索引)
Elasticsearch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。
1
|
删除索引命令 "curl -XDELETE http://10.0.8.44:9200/索引名" |
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。
注意事项:当节点加入和离开集群时,主节点会自动重新分配分片,以确保分片的多个副本不会分配给同一个节点。换句话说,主节点不会将主分片分配给与其副本相同的节点,也不会将同一分片的两个副本分配给同一个节点。 如果没有足够的节点相应地分配分片,则分片可能会处于未分配状态。
如果Elasticsearch集群就一个节点,即N=1;所以R=0,才能满足公式。这样问题就转嫁为:
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:
1
2
|
[root@elk-node03 ~] # curl -XPUT "http://10.0.8.47:9200/_settings" -d' { "number_of_replicas" : 0 } ' { "acknowledged" : true } |
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,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。 如果你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。
Elasticsearch5.X使用脚本如下:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
|
#!/bin/bash NODE= "YOUR NODE NAME" IFS=$ '\n' for line in $(curl -s '10.0.8.47:9200/_cat/shards' | fgrep UNASSIGNED); do INDEX=$( echo $line | ( awk '{print $1}' )) SHARD=$( echo $line | ( awk '{print $2}' )) curl -XPOST '10.0.8.47:9200/_cluster/reroute' -d '{ "commands" : [ { " allocate_replica " : { "index" : "'$INDEX'" , "shard" : '$SHARD' , "node" : "'$NODE'" , "allow_primary" : true } } ] }' done |
Elasticsearch2.X及早期版本,只需将上面脚本中的allocate_replica改为 allocate,其他不变。
上面脚本解读:
步骤1:定位 UNASSIGNED 的节点和分片
1
|
curl -s '10.0.8.47:9200/_cat/shards' | fgrep UNASSIGNED |
步骤2:通过 allocate_replica 将 UNASSIGNED的分片重新分配。
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)。
五. 分享一个案例: ELK中ElasticSearch集群状态异常问题
线上环境部署的ELK日志集中分析系统, 过了一段时间后, 发现Kibana展示里没有日志, 查看head插件索引情况, 发现一直打不开! 这是因为如果不对es索引定期做处理, 则随着日志收集数据量的不断增大, es内存消耗不断增量, 索引数量也会随之暴增, 那么elk就会出现问题, 比如elk页面展示超时, 访问http://10.0.8.47:9200/_plugin/head/ 一直卡顿等; es集群状态异常(出现red的status)等!
在任意一个node节点上执行下面命令查看es集群状态 (url里的ip地址可以是三个node中的任意一个), 如下可知, es集群当前master节点是10.0.8.47
1
2
3
4
5
|
[root@elk-node03 ~] # curl -XGET 'http://10.0.8.47:9200/_cat/nodes?v' host ip heap.percent ram .percent load node.role master name 10.0.8.47 10.0.8.47 31 78 0.92 d * elk-node03.kevin.cn 10.0.8.44 10.0.8.44 16 55 0.27 d m elk-node01.kevin.cn 10.0.8.45 10.0.8.45 61 78 0.11 d m elk-node02.kevin.cn |
查询集群的健康状态(一共三种状态:green、yellow,red;其中green表示健康)
1
2
3
|
[root@elk-node03 ~] # curl -XGET 'http://10.0.8.47:9200/_cat/health?v' epoch timestamp cluster status node.total node.data shards pri relo init unassign pending_tasks max_task_wait_time active_shards_percent 1554689492 10:11:32 kevin-elk red 3 3 3587 3447 0 6 5555 567 11.1m 39.2% |
解决办法:
1) 调优集群的稳定性
-> 增大系统最大打开文件描述符数,即65535;
-> 关闭swap,锁定进程地址空间,防止内存swap;
-> JVM调优, 增大es内存设置, 默认是2g (Heap Size不超过物理内存的一半,且小于32G);
2) 定期删除es索引或删除不可用的索引, 比如只保留最近一个月的索引数据 (可写脚本定期执行, 具体可参考: https://www.cnblogs.com/kevingrace/p/9994178.html);
3) 如果es主节点重启, 则主节点在转移到其他节点过程中, 分片分片也会转移过去; 如果分片比较多, 数据量比较大, 则需要耗费一定的时间, 在此过程中, elk集群的状态是yellow; 查看elk集群状态, shards分片会不断增加, unassign会不断减少,直至unassign减到0时, 表明分片已经完全转移到新的主节点上, 则此时查看elk的健康状态就是green了;
4) 如果所有es节点都重启, 则需要先启动一个节点作为master主节点, 然后再启动其他节点;
注意, 这里记录下修改ElasticSearch的内存配置操作 ("ES_HEAP_SIZE"内存设置 和 "indices.fielddata.cache.size"上限设置)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
|
先修改 /etc/sysconfig/elasticsearch 文件里的ES_HEAP_SIZE参数值, 默认为2g [root@elk-node03 ~] # vim /etc/sysconfig/elasticsearch ............. ES_HEAP_SIZE=8g 接着修改elasticsearch配置文件 [root@elk-node03 ~] # vim /etc/elasticsearch/elasticsearch.yml ............. bootstrap.mlockall: true #默认为false. 表示锁住内存.当JVM进行内存转换时,es性能会降低, 设置此参数值为true即可锁住内存. 注意: 这个时候最好在elasticsearch.yml配置文件里设置下indices.fielddata.cache.size , 此参数表示 "控制有多少堆内存是分配给fielddata" 因为elasticsearch在查询时,fielddata缓存的数据越来越多造成的(默认是不自动清理的) [root@elk-node03 ~] # vim /etc/elasticsearch/elasticsearch.yml .............. indices.fielddata.cache.size: 40% 上面设置了限制fielddata 上限, 表示让字段数据缓存的内存大小达到heap 40% (也就是上面设置的8g的40%)的时候就起用自动清理旧的缓存数据 然后重启elasticsearch [root@elk-node03 ~] # systemctl restart elasticsearch 查看启动的elasticsearch, 发现内存已经调整到8g了 [root@elk-node03 ~] # ps -ef|grep elasticsearch root 7066 3032 0 16:46 pts /0 00:00:00 grep --color=auto elasticsearch elastic+ 15586 1 22 10:33 ? 01:22:00 /bin/java -Xms8g -Xmx8g -Djava.awt.headless= true -XX:+UseParNewGC -XX:+UseConcMarkSweepGC -XX:CMSInitiatingOccupancyFraction=75 -XX:+UseCMSInitiatingOccupancyOnly -XX:+HeapDumpOnOutOfMemoryError -XX:+DisableExplicitGC -Dfile.encoding=UTF-8 -Djna.nosys= true -Des.path.home= /usr/share/elasticsearch - cp /usr/share/elasticsearch/lib/elasticsearch-2 .4.6.jar: /usr/share/elasticsearch/lib/ * org.elasticsearch.bootstrap.Elasticsearch start -Des.pidfile= /var/run/elasticsearch/elasticsearch .pid -Des.default.path.home= /usr/share/elasticsearch -Des.default.path.logs= /var/log/elasticsearch -Des.default.path.data= /var/lib/elasticsearch -Des.default.path.conf= /etc/elasticsearch |
如上, 在进行一系列修复操作 (增大系统最大打开文件描述符数65535, 关闭swap,锁定进程地址空间,防止内存swap, 增大ES内存, 删除不用或异常索引, 重启各节点的ES服务) 后, 再次查看ES集群状态, 发现此时仍然是"red"状态. 这是因为es主节点重启, 则主节点在转移到其他节点过程中, 分片分片也会转移过去; 如果分片比较多, 数据量比较大, 则需要耗费一定的时间. 需要等到unassign减到0时, 表明分片已经完全转移到新的主节点上, 则此时查看elk的健康状态就是green了.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
[root@elk-node02 system] # curl -XGET 'http://10.0.8.47:9200/_cat/health?v' epoch timestamp cluster status node.total node.data shards pri relo init unassign pending_tasks max_task_wait_time active_shards_percent 1554691187 10:39:47 kevin-elk red 3 3 4460 3878 0 8 4660 935 5.7m 48.9% [root@elk-node02 system] # curl -XGET 'http://10.0.8.47:9200/_cat/health?v' epoch timestamp cluster status node.total node.data shards pri relo init unassign pending_tasks max_task_wait_time active_shards_percent 1554691187 10:39:47 kevin-elk red 3 3 4466 3882 0 8 4654 944 5.7m 48.9% ................ ................ 等到 "unassign" 数值为0时, 再次查看es状态 [root@elk-node03 ~] # curl -XGET 'http://10.0.8.47:9200/_cat/health?v' epoch timestamp cluster status node.total node.data shards pri relo init unassign pending_tasks max_task_wait_time active_shards_percent 1554692772 11:06:12 kevin-elk green 3 3 9118 4559 0 0 0 0 - 100.0% 如果es状态此时还是red, 则需要找出red状态的索引并且删除 (这个时候的red状态的索引应该是少部分) [root@elk-node02 system] # curl -XGET "http://10.0.8.45:9200/_cat/indices?v"|grep -w "red" 比如找出的red状态的索引名为 "10.0.61.24-vfc-intf-ent-order.log-2019.03.04" , 删除它即可 [root@elk-node02 system] # curl -XDELETE http://10.0.8.44:9200/10.0.61.24-vfc-intf-ent-order.log-2019.03.04 |
需要特别注意: 如果elasticSearch集群节点中es数据所在的磁盘使用率超过了一定比例(比如85%), 则就会出现无法再为副分片分片的情况, 这也会导致elasticSearch集群监控状态也会出现"red"情况!!! 这个时候只需要增大这块磁盘的空间, 磁盘空间够用了, elasticSearch就会自动恢复数据!!!
六. Elasticsearch常见错误
错误1: Exception in thread "main" SettingsException[Failed to load settings from [elasticsearch.yml]]; nested: ElasticsearchParseException[malformed, expected settings to start with 'object', instead was [VALUE_STRING]];
1
2
3
4
5
6
7
8
9
10
11
12
13
|
原因:elasticsearch.yml文件配置错误导致 解决:参数与参数值(等号)间需要空格 [root@elk-node03 ~] # vim /etc/elasticsearch/elasticsearch.yml ............... #node.name:elk-node03.kevin.cn #错误 node.name: elk-node03.kevin.cn #正确 #或者如下配置 #node.name ="elk-node03.kevin.cn" #错误 #node.name = "elk-node03.kevin.cn" #正确 然后重启elasticsearch服务 |
错误2: org.elasticsearch.bootstrap.StartupException: java.lang.RuntimeException: can not run elasticsearch as root
1
2
3
4
5
6
7
8
9
10
11
12
|
原因:处于对root用户的安全保护,需要使用其他用户组进行授权启动 解决: 用户组进行授权启动 [root@elk-node03 ~] # groupadd elasticsearch [root@elk-node03 ~] # useradd elasticsearch -g elasticsearch -p elasticsearch [root@elk-node03 ~] # chown -R elasticsearch.elasticsearch /data/es-data #给es的数据目录授权, 否则es服务启动报错 [root@elk-node03 ~] # chown -R elasticsearch.elasticsearch/var/log/elasticsearch #给es的日志目录授权, 否则es服务启动报错 以上是yum安装elasticsearch情况, 需要给elasticsearch的数据目录和日志目录授权, 如果elasticsearch是编译安装, 则需要给它的安装目录也授权 接着重启elasticsearch服务即可 |
错误3: OpenJDK 64-Bit Server VM warning: INFO: os::commit_memory(0x0000000085330000, 2060255232, 0) failed; error='Cannot a ...'(errno=12);
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
原因:jvm要分配最大内存超出系统内存 解决:适当调整指定jvm内存, 编辑elasticsearch 的jvm配置文件 # vim /data/elasticsearch/config/jvm.options -Xms8g -Xmx8g 如果是yum安装的elasticsearch, 则修改如下配置文件 [root@elk-node03 ~] # vim /etc/sysconfig/elasticsearch # Heap size defaults to 256m min, 1g max #最小为1g # Set ES_HEAP_SIZE to 50% of available RAM, but no more than 31g #设置为物理内存的50%, 但不要操作31g ES_HEAP_SIZE=8g 然后重启elasticsearch服务即可 |
错误4: ERROR: [3] bootstrap checks failed
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
|
详细报错: [INFO ][o.e.b.BootstrapChecks ] [SUcoFrg] bound or publishing to a non-loopback address, enforcing bootstrap checks ERROR: [3] bootstrap checks failed [1]: max file descriptors [4096] for elasticsearch process is too low, increase to at least [65536] [2]: max number of threads [3802] for user [elsearch] is too low, increase to at least [4096] [3]: max virtual memory areas vm.max_map_count [65530] is too low, increase to at least [262144] [2019-02-20T02:35:47,170][INFO ][o.e.n.Node ] [SUcoFrg] stopping ... [2019-02-20T02:35:47,316][INFO ][o.e.n.Node ] [SUcoFrg] stopped [2019-02-20T02:35:47,316][INFO ][o.e.n.Node ] [SUcoFrg] closing ... [2019-02-20T02:35:47,336][INFO ][o.e.n.Node ] [SUcoFrg] closed 原因:虚拟机限制用户的执行内存 解决: [1]: max file descriptors [4096] for elasticsearch process is too low, increase to at least [65536] [2]: max number of threads [3802] for user [elasticsearch] is too low, increase to at least [4096] 修改安全限制配置文件 (使用root最高权限 修改安全配置 在文件末尾加入) [root@elk-node03 ~] # vim /etc/security/limits.conf elasticsearch hard nofile 65536 elasticsearch soft nofile 65536 * soft nproc 4096 * hard nproc 4096 修改系统配置文件 [3]: max virtual memory areas vm.max_map_count [65530] is too low, increase to at least [262144] [root@elk-node03 ~] # /etc/sysctl.conf #注意下面的参数值大于错误提示值 vm.max_map_count = 655360 然后重启elasticsearch服务即可 |
错误5: org.elasticsearch.bootstrap.StartupException: java.lang.IllegalStateException: failed to obtain node locks, tried [[/home/elasticsearch-6.3.0/data/elasticsearch]] with lock id [0]; maybe these locations are not writable or multiple nodes were started without increasing [node.max_local_storage_nodes] (was [1])?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
|
详细报错: [2019-02-20T04:23:25,003][WARN ][o.e.b.ElasticsearchUncaughtExceptionHandler] [] uncaught exception in thread [main] org.elasticsearch.bootstrap.StartupException: java.lang.IllegalStateException: failed to obtain node locks, tried [[ /home/elasticsearch-6 .3.0 /data/elasticsearch ]] with lock id [0]; maybe these locations are not writable or multiple nodes were started without increasing [node.max_local_storage_nodes] (was [1])? at org.elasticsearch.bootstrap.Elasticsearch.init(Elasticsearch.java:140) ~[elasticsearch-6.3.0.jar:6.3.0] at org.elasticsearch.bootstrap.Elasticsearch.execute(Elasticsearch.java:127) ~[elasticsearch-6.3.0.jar:6.3.0] at org.elasticsearch.cli.EnvironmentAwareCommand.execute(EnvironmentAwareCommand.java:86) ~[elasticsearch-6.3.0.jar:6.3.0] at org.elasticsearch.cli.Command.mainWithoutErrorHandling(Command.java:124) ~[elasticsearch-cli-6.3.0.jar:6.3.0] at org.elasticsearch.cli.Command.main(Command.java:90) ~[elasticsearch-cli-6.3.0.jar:6.3.0] at org.elasticsearch.bootstrap.Elasticsearch.main(Elasticsearch.java:93) ~[elasticsearch-6.3.0.jar:6.3.0] at org.elasticsearch.bootstrap.Elasticsearch.main(Elasticsearch.java:86) ~[elasticsearch-6.3.0.jar:6.3.0] Caused by: java.lang.IllegalStateException: failed to obtain node locks, tried [[ /home/elasticsearch-6 .3.0 /data/elasticsearch ]] with lock id [0]; maybe these locations are not writable or multiple nodes were started without increasing [node.max_local_storage_nodes] (was [1])? at org.elasticsearch. env .NodeEnvironment.<init>(NodeEnvironment.java:243) ~[elasticsearch-6.3.0.jar:6.3.0] at org.elasticsearch.node.Node.<init>(Node.java:270) ~[elasticsearch-6.3.0.jar:6.3.0] at org.elasticsearch.node.Node.<init>(Node.java:252) ~[elasticsearch-6.3.0.jar:6.3.0] at org.elasticsearch.bootstrap.Bootstrap$5.<init>(Bootstrap.java:213) ~[elasticsearch-6.3.0.jar:6.3.0] at org.elasticsearch.bootstrap.Bootstrap.setup(Bootstrap.java:213) ~[elasticsearch-6.3.0.jar:6.3.0] at org.elasticsearch.bootstrap.Bootstrap.init(Bootstrap.java:326) ~[elasticsearch-6.3.0.jar:6.3.0] at org.elasticsearch.bootstrap.Elasticsearch.init(Elasticsearch.java:136) ~[elasticsearch-6.3.0.jar:6.3.0] ... 6 more 原因:线程占用 解决:重新启动 [root@elk-node03 ~] # ps -ef|grep elasticsearch|awk -F" " '{print $2}'|xargs kill -9 [root@elk-node03 ~] # systemctl start elasticsearch [root@elk-node03 ~] # systemctl restart elasticsearch [root@elk-node03 ~] # ps -ef|grep -v grep|grep elasticsearch elastic+ 15586 1 11 Apr08 ? 03:06:12 /bin/java -Xms8g -Xmx8g -Djava.awt.headless= true -XX:+UseParNewGC -XX:+UseConcMarkSweepGC -XX:CMSInitiatingOccupancyFraction=75 -XX:+UseCMSInitiatingOccupancyOnly -XX:+HeapDumpOnOutOfMemoryError -XX:+DisableExplicitGC -Dfile.encoding=UTF-8 -Djna.nosys= true -Des.path.home= /usr/share/elasticsearch - cp /usr/share/elasticsearch/lib/elasticsearch-2 .4.6.jar: /usr/share/elasticsearch/lib/ * org.elasticsearch.bootstrap.Elasticsearch start -Des.pidfile= /var/run/elasticsearch/elasticsearch .pid -Des.default.path.home= /usr/share/elasticsearch -Des.default.path.logs= /var/log/elasticsearch -Des.default.path.data= /var/lib/elasticsearch -Des.default.path.conf= /etc/elasticsearch 一定要确保elasticsearch是用非root账号启动的 |
错误6: [Godfrey Calthrop] All shards failed for phase: [query] [jr-2018.08.06][[jr-2018.08.06][2]] NoShardAvailableActionException[null]
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
|
详细报错: [2019-02-06 18:27:24,553][DEBUG][action.search ] [Godfrey Calthrop] All shards failed for phase: [query] [jr-2018.08.06][[jr-2018.08.06][2]] NoShardAvailableActionException[null] at org.elasticsearch.action.search.AbstractSearchAsyncAction.start(AbstractSearchAsyncAction.java:129) at org.elasticsearch.action.search.TransportSearchAction.doExecute(TransportSearchAction.java:115) at org.elasticsearch.action.search.TransportSearchAction.doExecute(TransportSearchAction.java:47) at org.elasticsearch.action.support.TransportAction.doExecute(TransportAction.java:149) at org.elasticsearch.action.support.TransportAction.execute(TransportAction.java:137) at org.elasticsearch.action.support.TransportAction.execute(TransportAction.java:85) at org.elasticsearch.client.node.NodeClient.doExecute(NodeClient.java:58) at org.elasticsearch.client.support.AbstractClient.execute(AbstractClient.java:359) at org.elasticsearch.client.FilterClient.doExecute(FilterClient.java:52) at org.elasticsearch.rest.BaseRestHandler$HeadersAndContextCopyClient.doExecute(BaseRestHandler.java:83) at org.elasticsearch.client.support.AbstractClient.execute(AbstractClient.java:359) at org.elasticsearch.client.support.AbstractClient.search(AbstractClient.java:582) at org.elasticsearch.rest.action.search.RestSearchAction.handleRequest(RestSearchAction.java:85) at org.elasticsearch.rest.BaseRestHandler.handleRequest(BaseRestHandler.java:54) at org.elasticsearch.rest.RestController.executeHandler(RestController.java:205) at org.elasticsearch.rest.RestController.dispatchRequest(RestController.java:166) at org.elasticsearch.http.HttpServer.internalDispatchRequest(HttpServer.java:128) at org.elasticsearch.http.HttpServer$Dispatcher.dispatchRequest(HttpServer.java:86) at org.elasticsearch.http.netty.NettyHttpServerTransport.dispatchRequest(NettyHttpServerTransport.java:449) at org.elasticsearch.http.netty.HttpRequestHandler.messageReceived(HttpRequestHandler.java:61) 问题解决 通过以上排查大概知道是历史索引数据处于 open 状态过多,从而导致ES的CPU,内存占用过高导致的不可用。 关闭不需要的索引,减少内存占用 [root@elk-node03 ~] # curl -XPOST "http://10.0.8.44:9200/index_name/_close" 如果发现在关闭非热点索引数据后,elasticSearch集群的健康值依然是 "red" 状态,这时候要想到: 可能索引的 "red" 状态可能会影响ES的状态. 接着查看elasticSearch索引健康状态, 发现果不其然 [root@elk-node03 ~] # curl GET http://10.0.8.44:9200/_cluster/health?level=indices { "cluster_name" : "kevin-elk" , "status" : "red" , "timed_out" : false , "number_of_nodes" : 3, "number_of_data_nodes" : 3, "active_primary_shards" : 660, "active_shards" : 660, "relocating_shards" : 0, "initializing_shards" : 0, "unassigned_shards" : 9, "delayed_unassigned_shards" : 0, "number_of_pending_tasks" : 0, "number_of_in_flight_fetch" : 0, "task_max_waiting_in_queue_millis" : 0, "active_shards_percent_as_number" : 98.65470852017937, "indices" : { "jr-2019.02.06" : { "status" : "red" , "number_of_shards" : 3, "number_of_replicas" : 0, "active_primary_shards" : 0, "active_shards" : 0, "relocating_shards" : 0, "initializing_shards" : 0, "unassigned_shards" : 3 } } } 解决方法,删除上面命令中查看的有问题的那条索引数据(这条数据是排查问题期间产生的脏数据,索引直接删除) [root@elk-node03 ~] # curl -XDELETE 'http://10.0.8.44:9200/jr-2019.02.06' 注意: 应注意elasticSearch的索引状态以及服务器的监控,及时清理或者关闭不必要的索引数据,避免这种情况发生。 |
七. Elasticsearch集群监控状态监控
1) 通过简单shell命令监控elasticsearch集群状态
原理:使用curl命令模拟访问任意一个elasticsearch集群, 就可以反馈出elasticsearch集群状态,集群的状态需要为green
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
|
[root@elk-node03 ~] # curl -XGET 'http://10.0.8.47:9200/_cluster/stats?human&pretty' { "timestamp" : 1554792101956, "cluster_name" : "kevin-elk" , "status" : "green" , "indices" : { "count" : 451, "shards" : { "total" : 4478, "primaries" : 2239, "replication" : 1.0, "index" : { "shards" : { "min" : 2, "max" : 10, "avg" : 9.929046563192905 }, "primaries" : { "min" : 1, "max" : 5, "avg" : 4.964523281596453 }, "replication" : { "min" : 1.0, "max" : 1.0, "avg" : 1.0 } } }, "docs" : { "count" : 10448854, "deleted" : 3 }, "store" : { "size" : "5gb" , "size_in_bytes" : 5467367887, "throttle_time" : "0s" , "throttle_time_in_millis" : 0 }, "fielddata" : { "memory_size" : "0b" , "memory_size_in_bytes" : 0, "evictions" : 0 }, "query_cache" : { "memory_size" : "0b" , "memory_size_in_bytes" : 0, "total_count" : 364053, "hit_count" : 0, "miss_count" : 364053, "cache_size" : 0, "cache_count" : 0, "evictions" : 0 }, "completion" : { "size" : "0b" , "size_in_bytes" : 0 }, "segments" : { "count" : 16635, "memory" : "83.6mb" , "memory_in_bytes" : 87662804, "terms_memory" : "64.5mb" , "terms_memory_in_bytes" : 67635408, "stored_fields_memory" : "6.3mb" , "stored_fields_memory_in_bytes" : 6624464, "term_vectors_memory" : "0b" , "term_vectors_memory_in_bytes" : 0, "norms_memory" : "6.1mb" , "norms_memory_in_bytes" : 6478656, "doc_values_memory" : "6.6mb" , "doc_values_memory_in_bytes" : 6924276, "index_writer_memory" : "448.1kb" , "index_writer_memory_in_bytes" : 458896, "index_writer_max_memory" : "4.5gb" , "index_writer_max_memory_in_bytes" : 4914063972, "version_map_memory" : "338b" , "version_map_memory_in_bytes" : 338, "fixed_bit_set" : "0b" , "fixed_bit_set_memory_in_bytes" : 0 }, "percolate" : { "total" : 0, "time" : "0s" , "time_in_millis" : 0, "current" : 0, "memory_size_in_bytes" : -1, "memory_size" : "-1b" , "queries" : 0 } }, "nodes" : { "count" : { "total" : 3, "master_only" : 0, "data_only" : 0, "master_data" : 3, "client" : 0 }, "versions" : [ "2.4.6" ], "os" : { "available_processors" : 24, "allocated_processors" : 24, "mem" : { "total" : "13.8gb" , "total_in_bytes" : 14859091968 }, "names" : [ { "name" : "Linux" , "count" : 3 } ] }, "process" : { "cpu" : { "percent" : 1 }, "open_file_descriptors" : { "min" : 9817, "max" : 9920, "avg" : 9866 } }, "jvm" : { "max_uptime" : "1.1d" , "max_uptime_in_millis" : 101282315, "versions" : [ { "version" : "1.8.0_131" , "vm_name" : "Java HotSpot(TM) 64-Bit Server VM" , "vm_version" : "25.131-b11" , "vm_vendor" : "Oracle Corporation" , "count" : 3 } ], "mem" : { "heap_used" : "7.2gb" , "heap_used_in_bytes" : 7800334800, "heap_max" : "23.8gb" , "heap_max_in_bytes" : 25560612864 }, "threads" : 359 }, "fs" : { "total" : "1.1tb" , "total_in_bytes" : 1241247670272, "free" : "1tb" , "free_in_bytes" : 1206666141696, "available" : "1tb" , "available_in_bytes" : 1143543336960 }, "plugins" : [ { "name" : "bigdesk" , "version" : "master" , "description" : "bigdesk -- Live charts and statistics for Elasticsearch cluster " , "url" : "/_plugin/bigdesk/" , "jvm" : false , "site" : true }, { "name" : "head" , "version" : "master" , "description" : "head - A web front end for an elastic search cluster" , "url" : "/_plugin/head/" , "jvm" : false , "site" : true }, { "name" : "kopf" , "version" : "2.0.1" , "description" : "kopf - simple web administration tool for Elasticsearch" , "url" : "/_plugin/kopf/" , "jvm" : false , "site" : true } ] } } 以上监控命令打印的集群统计信息包含: Elasticsearch集群的分片数,文档数,存储空间,缓存信息,内存作用率,插件内容,文件系统内容,JVM 作用状况,系统 CPU,OS 信息,段信息。 |
2) 利用脚本监控elasticSearch集群健康值green yellow red状态
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
[root@elk-node03 ~] # curl 10.0.8.47:9200/_cat/health 1554864073 10:41:13 qwkg-elk green 3 3 4478 2239 0 0 0 0 - 100.0% 编写python脚本, 监控elasticsearch的健康状态 [root@elk-node03 ~] # vim /opt/es_health_monit.py import commands command = 'curl 10.0.8.47:9200/_cat/health' (a, b) = commands.getstatusoutput( command ) status= b. split ( ' ' )[157] if status== 'red' : healthy=0 else : healthy=1 print healthy 手动执行脚本, 打印出elasticsearch健康状态 [root@elk-node03 ~] # chmod 755 /opt/es_health_monit.py [root@elk-node03 ~] # python /opt/es_health_monit.py 1 然后在脚本中结合sendemail进行邮件报警 或者 添加到zabbix监控里. |
八. Elasticsearch配置中防止脑裂的配置
Master和DataNode未分离,导致集群不稳定
在ES集群中,节点分为Master、DataNode、Client等几种角色,任何一个节点都可以同时具备以上所有角色,其中比较重要的角色为Master和DataNode:
1. Master主要管理集群信息、primary分片和replica分片信息、维护index信息。
2. DataNode用来存储数据,维护倒排索引,提供数据检索等。
可以看到元信息都在Master上面,如果Master挂掉了,该Master含有的所有Index都无法访问,文档中说,为了保证Master稳定,需要将Master和Node分离。而构建master集群可能会产生一种叫做脑裂的问题,为了防止脑裂,需要设置最小master的节点数为eligible_master_number/2 + 1
脑裂的概念:
如果有两个Master候选节点,并设置最小Master节点数为1,则当网络抖动或偶然断开时,两个Master都会认为另一个Master挂掉了,它们都被选举为主Master,则此时集群中存在两个主Master,即物理上一个集群变成了逻辑上的两个集群,而当其中一个Master再次挂掉时,即便它恢复后回到了原有的集群,在它作为主Master期间写入的数据都会丢失,因为它上面维护了Index信息。
根据以上理论,可以对集群做了如下更改,额外选取三个独立的机器作为Master节点,修改elasticsearch.yml配置
1
2
3
|
node.master = true node.data = false discovery.zen.minimum_master_nodes = 2 |
修改其他节点配置,将其设置为DataNode,最后依次重启
1
2
|
node.master = false node.data = true |