Elasticsearch 线上问题排查——搞一天了,明天还要给客户解决这个问题

铭毅天下

共 3091字,需浏览 7分钟

 ·

2021-09-14 12:10

1、线上问题

线上问题描述:

原来是聊天形式,比较冗长,精简后的问题描述如下:
  • 症状:新增节点后,shard 没有分配到新节点上。如下图所示:

2、问题排查

我的大致排解思路:

如下第一、第二、第三......代表排查问题的推进步骤。

2.1 第一:确定节点角色划分,核实未被分配的节点类型。

仅主节点是不参与分片数据落地存储的,这是认知大前提。
经对方核实,未分配的节点的确是数据节点。
集群有3个候选主节点,3个数据节点,其中1个数据节点为新添加的节点。

2.2 第二:关闭索引再打开试试。

close 再 open 之前验证过会走重新分配机制,部分场景适用。
经对方核查,没有生效。

2.3 第三:独立创立一个新索引,设置3个副本。

分片分配策略是:主、副本会分配到不同的节点上。
多个副本,如果数据节点够多,肯定会相对均匀的分片到多个节点。
经核查:仍然无法分配到新增的数据节点。
不过,此时看截图,已有了未分配的灰色分片。

2.4 第四:查看分片未分配的原因。

排查方法:
GET _cluster/allocation/explain
这时候,客户反馈:“我设置了节点踢出集群的设置”。
我的第一反应:“和这个有关系,为什么要设置?!”
且 explain 执行结果验证了刚才的推断:
“cannot allocate because allocation is not permitted to any of the nodes”。

2.5 第五:为什么设置?在哪里设置的?如何设置的?

  • 为什么设置?

客户反馈:“我看书上写的只要有节点离开集群就会触发 rebalance。所以就设置了这个参数。”
  • 在哪里设置?
经反复确认,是集群层面的设置,非索引层面。
起初认为是索引层面的设置,我单独验证后不对,才想起来是集群层面的配置。
  • 如何设置的?
这个之前的博文:Elasticsearch集群管理之1——如何高效的添加、删除节点?中讲过,我自己也在实战环境中用过。
命令行如下:
PUT _cluster/settings
{
  "transient" : {
    "cluster.routing.allocation.exclude._ip" : "10.0.0.1"
  }
}

2.6 取消这个设置就会恢复新节点的分片分配。

我推荐的命令行如下:
PUT _cluster/settings
{
  "transient" : {
    "cluster.routing.allocation.exclude._ip" : ""
  }
}
经客户验证也是 ok 的。

3、我的几点观察和思考

3.1 关于 head 插件 和 Kibana dev tools 的选型

head 插件在集群节点、分片可视化方面做得的确不错。
如果在 1.X版本、2.X版本,由于当时 Kibana 功能还不尽完善,甚至还没有被 Elastic 官方收购,选型 head 插件做问题排查无可厚非。
但是,5.X、6.X、7.X 后,Kibana 已经有了突飞猛进的发展,无论是 dev tools 的命令行提示功能,还是多维度的可视化监控。
head 插件做命令行的调试的确稍显笨拙,就类似早期的C、C++编译器 VC6.0一样。
而 Kibana dev tools 类似 VS2020+版本或者开源的 Codeblocks,用过你会发现“如丝般顺滑”般的效率提升。

3.2 关于优化参数配置

我自己在管理集群、维护集群的阶段,也是看到网上有好的优化参数、新版本新特性参数都会在集群中试验,对比看看有没有功能提升或者性能改善。
但,一定得了解参数的确切含义、函数的用途、加与不加对集群或分片等层面的影响;明确相关参数的应用背景,贴合自己应用场景的经验证 ok 才可以使用。
且,一定得先小范围测试环境没有问题,甚至连续3天+没有问题后,才能有的放矢的应用到生成环境。
比如:线程池队列的参数优化,和 CPU 核数相关,不见得是放之四海而皆准的“万能参数”

3.3 关于设置,在哪个层面设置?

从全局角度考虑Elasticsearch 设置分为:集群层面设置、索引层面设置等。
而集群层面设置又细分为:
  1. 临时设置
  2. 永久设置
  3. 配置文件设置
索引层面设置又细分为:
  1. 静态设置
    1. 在索引创建阶段或者关闭索引阶段设置。
  2. 动态设置
    1. 通过 update-index-settings 方式随时更新设置。
如上图所示,不同的设置含义不同。
需要设置前仔细核对各个参数的含义以及各个参数的设置方式。

3.4 设置生效容易,使得设置失效一样得会

参数生效、参数失效是一对“好兄弟”,两个都得灵活掌握。
设置完参数、参数生效的同时要考虑:如何回退?如何恢复到没有加参数的原始状态。
比如:前面设置的   "cluster.routing.allocation.exclude._ip" : "",不加具体的 IP 就是回退、不设置的含义。
官方对于设置回退有没有说明呢?
有的,官方明确说明如下:
You can reset persistent or transient settings by assigning a null value.

也就是我们上面的命令行操作更严谨的写法应该是:

PUT _cluster/settings
{
  "transient" : {
    "cluster.routing.allocation.exclude._ip" : null
  }
}

如果有标准写法,上面的这个才是最正宗、最标准的写法。

4、小结

事后观察,只通过后面的第四、五、六步,就能定位问题的根本原因。

但,毕竟不在现场,多去了解问题的来龙去脉,更有助于辅助解决问题。

复盘总结一下,希望对大家也有所帮助。

参考

  • 集群层面设置
    • https://www.elastic.co/guide/en/elasticsearch/reference/7.14//cluster-update-settings.html
  • 索引层面设置
    • https://www.elastic.co/guide/en/elasticsearch/reference/7.x/index-modules.html

推荐

1、Elasticsearch 7.X 进阶实战私训课
2、如何系统的学习 Elasticsearch ?
3、全网首发!《 Elasticsearch 最少必要知识教程 V1.0 》低调发布
4、两个 Elasticsearch 线上实战问题及解读
5、且慢!听说你线上环境准备选型 Elasticsearch SQL 了?
短时间快习得多干货!
中国50%+Elastic认证工程师出自于此!
比同事抢先一步学习进阶干货
浏览 39
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报