Elasitcsearch CPU 使用率突然飙升，怎么办？-轻识

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。

这是系列文章的第二篇，主要探讨：Elasitcsearch CPU 使用率突然飙升，怎么办？

2、Elasticsearch 高CPU 使用率的内涵

线上环境 Elasticsearch CPU 使用率飙升常见问题如下：

——来自《死磕Elasticsearch 知识星球》

Elasticsearch 使用线程池来管理并发操作的 CPU 资源。

关于线程池和队列，推荐阅读：Elasticsearch 线程池和队列问题，请先看这一篇。

Elasticsearch 高 CPU 使用率通常意味着一个或多个线程池不足以支撑业务需求。

如果线程池资源耗尽，Elasticsearch 将拒绝与线程池相关的请求。

例如，如果搜索线程池（search thread pool）耗尽，Elasticsearch 将拒绝搜索请求，直到有更多线程可用。

上图更直观的解释了线程池、队列、客户端请求之间的关系，拿检索线程为例：

当请求比较少时，线程池完全可以处理过来；
当前再多一些时，需要线程池队列排队；
如果请求再多，就超出了线程池和队列的最大负载，导致异常报错。

3、诊断 Elasticsearch 高 CPU 使用率

3.1 核查 CPU 使用率

使用 cat nodes API 获取每个节点的当前 CPU 使用率。

GET _cat/nodes?v=true&s=cpu:desc

返回结果：

如上所示，CPU 即为 cpu 使用率，name 为节点的名称。

也可以借助 Kibana Stack Monitoring 进行可视化监控，CPU 监控如下红圈所示：

3.2 核查热点线程

如果某个节点的 CPU 使用率很高，请使用节点热点线程 API 检查该节点上运行的资源密集型线程。

GET _nodes/my-node,my-other-node/hot_threads

此 API 以纯文本形式返回任何热点线程的细节。

4、降低 CPU 使用率的实操方案

以下 Tips 概述了 CPU 使用率高的最常见原因及其解决方案。

4.1 扩展集群

繁重的数据写入（indexing）和搜索负载会耗尽较小的线程池。
为了更好地处理繁重的工作负载，向集群添加更多节点或升级（扩容）现有节点以增加容量。

4.2 分散批量请求

批量请求虽然比单个请求效率更高，但大型批量写入或多搜索请求需要大量 CPU 资源。

如果可能，提交较小的请求并在它们之间留出更多时间。

这里的较小有多小？需要结合业务实际、结合线程池和队列大小不断调出最优值。

4.3 取消长时间运行的搜索

长时间运行的搜索会阻塞搜索线程池中的线程。

要检查这些搜索，请使用任务管理 API。

GET _tasks?actions=*search&detailed

上述命令行响应的描述包含检索请求及其查询细节，其中：running_time_in_nanos 显示搜索运行了多长时间。

{
  "nodes" : {
    "oTUltX4IQMOUUVeiohTt8A" : {
      "name" : "my-node",
      "transport_address" : "127.0.0.1:9300",
      "host" : "127.0.0.1",
      "ip" : "127.0.0.1:9300",
      "tasks" : {
        "oTUltX4IQMOUUVeiohTt8A:464" : {
          "node" : "oTUltX4IQMOUUVeiohTt8A",
          "id" : 464,
          "type" : "transport",
          "action" : "indices:data/read/search",
          "description" : "indices[my-index], search_type[QUERY_THEN_FETCH], source[{\"query\":...}]",
          "start_time_in_millis" : 4081771730000,
          "running_time_in_nanos" : 13991383,
          "cancellable" : true
        }
      }
    }
  }
}

可以使用 _cancel API 取消任务以释放资源：

POST _tasks/oTUltX4IQMOUUVeiohTt8A:464/_cancel

4.4 避免耗费资源的搜索

举例：前缀匹配的 wildcard 查询、多重聚合或分桶设置过大的单重聚合都会非常耗费资源。

避免策略包含但不限于：

避免脚本 script 检索。
少使用：fuzzy、regexp、prefix、wildcard检索
避免将 range 检索应用到 text 和 keyword 类型。
避免多表关联 Join 类型。
使用 index.max_result_window 索引设置降低大小限制。
使用 search.max_buckets 集群设置降低允许的聚合桶的最大数量。
使用 search.allow_expensive_queries 集群设置禁用耗费资源的查询。

5、小结

建议提前做好集群监控和指标预警工作，“防范于未然”，结合节点的 CPU 核数最大化的提升线程池和队列的使用率。

你在实战环节有没有遇到高 CPU 利用率问题？你是如何解决的呢？欢迎留言交流细节。

和你一起，死磕 Elasticsearch！

参考

1. https://www.elastic.co/guide/en/elasticsearch/reference/current/query-dsl.html#query-dsl-allow-expensive-queries

2. https://www.elastic.co/guide/en/elasticsearch/reference/current/fix-common-cluster-issues.html#avoid-expensive-searches

3. https://www.elastic.co/guide/en/elasticsearch/reference/current/fix-common-cluster-issues.html 4. https://qbox.io/blog/thread-pools-elasticsearch-search-request-errors/