Elasticsearch(ES)监控、巡检及异常指标处理指南

以下是更为详细的 Elasticsearch(ES)监控、巡检及异常指标处理指南 ,分为 监控内容 、巡检方式 和 异常指标及处理方案 三大部分,内容更加全面,适用于生产环境中的深入管理。


一、监控内容

1. 集群健康状态

  • 指标说明:

    • 集群状态:
      • Green(绿色):所有主分片和副本分片正常工作。
      • Yellow(黄色):主分片正常,但部分副本未分配。
      • Red(红色):主分片丢失或不可用。
    • 重要字段:
      • status:集群状态(green/yellow/red)。
      • number_of_nodes:当前节点数。
      • number_of_data_nodes:数据节点数。
      • active_shards:活动分片数。
      • unassigned_shards:未分配分片数。
  • 命令及样例:

    bash 复制代码
    GET /_cluster/health
    json 复制代码
    {
      "cluster_name": "my_cluster",
      "status": "green",
      "number_of_nodes": 5,
      "number_of_data_nodes": 3,
      "active_primary_shards": 15,
      "active_shards": 30,
      "unassigned_shards": 0
    }
  • 处理建议:

    • **Green 状态:**无需操作。
    • Yellow 状态:
      • 检查节点故障原因。
      • 检查副本分片策略和硬件资源分布。
    • Red 状态:
      • 立即检查主分片状态,分析日志查找异常原因。
      • 根据备份策略恢复数据或修复分片。

2. 节点状态

  • 关键指标:

    • **节点数:**是否符合预期。
    • CPU 使用率:
      • 正常值:50% 以下。
      • 关注:> 70%。
      • 高危:> 90%。
    • 内存(JVM Heap):
      • 使用率超过 75% 可能触发频繁 GC。
    • 磁盘使用率:
      • 超过 85% 触发分片迁移。
      • 超过 90% 写入失败。
    • 网络带宽:
      • 主要关注吞吐量(吞入和吞出)。
  • 命令及样例:

    bash 复制代码
    GET /_cat/nodes?v
    plaintext 复制代码
    ip         heap.percent ram.percent cpu load_1m load_5m load_15m node.role
    10.0.0.1   65           75          50  1.2     0.8     0.6      d
    10.0.0.2   50           70          30  0.6     0.4     0.2      d
  • 处理建议:

    • CPU 高使用率:优化查询、增加节点。
    • JVM Heap 高:增大堆大小或减少缓存策略。
    • 磁盘高使用率:清理旧索引或扩容磁盘。

3. 索引和分片状态

  • 关键指标:

    • 索引状态:
      • 分片分配是否均匀。
      • 是否存在未分配分片。
    • 分片数量:
      • 单索引分片建议不超过 50。
      • 单分片大小建议控制在 30-50GB 之间。
    • 索引吞吐量:
      • 写入速率:是否出现堆积。
      • 查询延迟:是否存在慢查询。
  • 命令及样例:

    bash 复制代码
    GET /_cat/shards?v
    GET /_cat/allocation?v
  • 处理建议:

    • 分片未分配:
      • 检查磁盘容量。
      • 使用 _cluster/reroute 强制分片重新分配。
    • 分片过多:
      • 合并索引或调整分片数。

4. 慢查询

  • 慢查询指标:

    • 查询耗时:是否超过预期。
    • 执行频率:是否过于频繁。
    • 查询类型:深度分页、高频聚合等。
  • 排查方法:

    • 开启慢查询日志:

      yaml 复制代码
      index.search.slowlog.threshold.query.warn: "10s"
      index.search.slowlog.threshold.fetch.warn: "5s"
  • 处理建议:

    • 优化索引结构(Mapping)。
    • 使用 scroll 替代深度分页。

5. 快照和备份

  • 关键点:

    • 确保快照周期性执行。
    • 检查快照状态是否成功。
    • 确保快照目录权限正常。
  • 命令及样例:

    bash 复制代码
    GET /_snapshot/<repository>/_status
  • 处理建议:

    • 定期验证快照可用性。
    • 发生问题时重新注册仓库。

二、巡检方式

1. 自动化巡检

  • 使用工具:
    • **Elastic Stack 自带监控模块:**Kibana 的监控 UI。
    • **Prometheus + Grafana:**用于大规模监控。
    • Curator:定期清理索引和快照。

2. 手动巡检

  • 每日检查:集群状态、节点状态、索引状态。
  • 每周检查:分片分布、慢查询、任务队列。
  • 每月检查:硬件资源、快照备份。

三、异常指标处理

1. CPU 使用率高

  • 原因:

    • 大量聚合查询。
    • 分片分布不均匀。
  • 解决:

    • 优化查询,限制返回数据大小。
    • 增加节点。

2. JVM Heap 使用率高

  • 原因:

    • 数据量过大。
    • 缓存策略问题。
  • 解决:

    • 增加堆内存大小。
    • 清理缓存。

3. 分片未分配

  • 原因:

    • 磁盘空间不足。
    • 分片损坏。
  • 解决:

    • 强制重新分配分片:

      bash 复制代码
      POST /_cluster/reroute

4. 查询延迟高

  • 原因:

    • 深度分页或聚合。
    • 查询频率过高。
  • 解决:

    • 开启慢查询日志。
    • 使用 filter 替代 query。

通过系统化监控和及时巡检,可以大大降低问题的出现频率,保证 ES 集群的高效运行。

相关推荐
玖米GEO运营王总监4 分钟前
成都AI数字人视频怎么批量生产?流程与合规标注
大数据·人工智能·音视频
龙腾AI白云2 小时前
数字孪生与计算机视觉:让机器看懂现场
大数据·数据库·机器学习·知识图谱·pygame
starzy19904 小时前
Structured Streaming 案例剖析:一个 8 万 QPS 实时大屏的完整落地与三次线上事故复盘
大数据·spark
大大大大晴天14 小时前
浅聊维度建模中的星型模型与雪花模型
大数据
数字新视界19 小时前
能耗管理系统提升企业能源效率的实践与展望
大数据·人工智能·数据中心·机房管理·模块化机房
大大大大晴天19 小时前
别让金额越算越多:事实表与维度表设计避坑指南
大数据
如夏倾城21 小时前
入侵检测系统(IDS)原理、部署模式与 IPS/防火墙对比
大数据·网络·人工智能·网络安全·云原生·架构·kubernetes
wuyk55521 小时前
Spider-第20讲-综合实战可上线爬虫
大数据·爬虫·python·elasticsearch
培培说证21 小时前
大数据与会计专业性价比高的证书有哪些?
大数据
伞伞悦读1 天前
【第90期】KNN分类回归流水线与K值对照的实验与排查
大数据·人工智能·python·深度学习·机器学习