elasticsearch CPU居高不下的问题排查

问题发现

某天早上收到钉钉消息，ES集群CPU负载很高，赶快上控制台看了一下发现都飚到90多了，下面的图片是算的一段时间的平均值，所以显示CPU使用80左右，实际上很长一段时间都是90多了

问题排查

首先先看了一下查询写入的QPS，发现并没有特别高，接着看了一下那段时间的慢查询，因为是用的阿里云的ES服务，所以在控制台用下面的语句就能查询3s以上的慢查询了。查询后发现下面的has_child子文档查询很多，由此可以判断出应该是某个业务场景使用了大量的子文档查询。

vbnet 复制代码

search_time_ms: [3000.0 TO *]

问题解决

排查了一下业务代码，发现有一处使用多线程进行了子文档查询，查询的数据比较少的时候还能抗住，这也是当时测试能通过的原因。但是今天查询的数据量很大的时候就崩溃了，然后紧急修复了业务代码，去掉了多线程。

但是现在还有一个问题，怎么快速把ES的CPU降下去，减少对线上的影响？了解得知，可以通过kill掉比较耗CPU的任务来实现，命令如下

查询对应的任务: actions=search是过滤出与索引搜索相关的任务

ini 复制代码

GET _tasks?detailed=true&actions=search

然后取消掉对应的任务就好了:

javascript 复制代码

POST _tasks/<task_id名>:<任务ID号>/_cancel

问题总结

个人认为，如果ES有相应的高性能计算节点，子文档查询可以使用，但是在集群性能不高的情况下，子文档查询还是尽量避免使用吧，因为这种子文档查询在大批量或者多线程的查询下很容易就会导致CPU飙升，这种的风险还是挺高的。除了子文档其实还有其他的解决方案，例如在数据层面进行处理，冗余相应的字段，也可以做到子文档的效果