阿里云Elasticsearch智能运维系统佳实践

摘要：

随着业务的增长与发展，不同的Elasticsearch集群承担着多厚多样的功能需求。尤其是当集群规模增长、业务庞大时，需要耗费大量的精力运维集群。阿里云Elasticsearch研发了一套智能运维系统，可通多专家经验与数据驱动两个重要抓手帮助用户运维集群、提升业务的稳定性。本篇文章将结合运维常见问题展开阿里云Elasticsearch智能运维系统佳实践的介绍。

一、诊断集群异常

坏的情况，Elasticsearch集群（后简称ES集群）崩溃，无法正常承担各项业务。导致ES集群崩溃的大多数原因是master节点、数据节点的宕机，而出现这些情况绝不是“空穴来风”，智能运维系统要帮助用户做的便是“有迹可寻”，从而“有则改之，无则加勉”。

Case 1：节点负载过高，导致节点失联

以ES集群的数据节点与master节点为例，当有任何一个节点负载过高，都可能导致单节点宕机从而挑战集群的可用性。而通过系统自动与用户手动触发的方式，智能运维系统可帮助用户监测过去一段时间内节点负载情况，若存在危险，则提示用户原因与解决方案，帮助用户提前获知、拯救集群于崩溃边缘。

Case 2 : 索引副本丢失，数据可靠性受损

索引的副本一方面是保证数据的可靠性，保证在数据丢失的状态下依旧可以恢复如初，一方面副本数的增加可提高查询的性能。在存储空间占用过满时，极有可能导致索引副本丢失，检查副本的存在状态，可帮助用户提高数据的可靠性。在集群重启的过程中，只有在副本数量完整时才能保证服务的持续进行。

Case 3：数据写入失败，集群压力过大

在写操作进行的过程中，可能因集群压力，堆积过多的读写任务，而对于用户来说可能会产生所有写入均返回失败的误区。如果在此情况下继续增加写入，则可能会引起集群的崩溃。通过推荐用户调用线程池查看实际成功、失败任务情况，使用分批写入的方式解决写入堆积困境，给集群减压。

二、提升集群性能

如何在固定配置的情况下更大程度发挥集群可用性能，是用户关心的问题。从Elasticsearch内部逻辑与架构，数据节点是任务载体与执行依托，shard是索引与搜索的主要承担者，副本是提升性能的重要抓手，分批写入与防止稀疏是必备方式。如何提升集群性能，智能运维系统从数据节点负载、shard合理性以及用户操作规范三个面入手，帮助用户挖掘集群能力。

Case 1：数据节点抓偏离，防止单节点瓶颈

在各数据节点负载均衡的条件下，性能会趋向于优的实践。如果发生单节点负载过高，与其他节点产生较大差异，则高负载节点可能成为“拖油瓶”，拉低整体集群数据节点任务执行，甚至存在脱离集群的风险。通过检测数据节点间的负载偏离情况，能引导用户均衡负载，提升性能的同时保障稳定性。

Case 2：shard、segment合理性评估，升性能调负载

不同的ES集群应用场景对性能承载着不同的需求。索引的载体就是shard，搜索结果的返回也是多个shard共同的返回结果。Shard数与节点间的负载均衡、查询性能和存储空间利用均有着非常重要的关系。智能运维可读取用户索引shard、节点shard，并检测是否因索引segment过多导致碎片化，引发离线数据写入过慢，从而提示用户在适当的时间执行段合并操作，从而提升离线数据的写入速度。帮助推荐用户佳的shard指定情况、在合适的时机执行段合并，从而均衡负载、提升性能、节省空间。

Case 3：规范操作方式，保证状态合理

在保证index：type=1:1的状态时，能有效防止稀疏数据的产生，从type个数诊断科可帮助用户合理化设置，辅以禁用dynamic映射自定义映射类型、别名的日常使用以及使用分批（bulk）合理操作的基本方式，帮助用户规范化、便捷化操作，加之集群状态频繁变更的监测，可提示用户减少读写，避免对集群造成更大的压力，引发更大的风险。

总结：

综上，是智能运维系统在诊断集群异常与提升集群性能作出的检测、析因、建议的主要实践。辅之以集群状态走势的监测图，从各个状态诊断项的个数变化，向用户展示近时间段内的集群整体情况，从而全局查看，并增强知识提取、常见问题归纳的统计。

不同的ES集群在使用智能运维系统时会有不同的诊断结果，在ES集群变更的过程中，智能运维系统可持续跟进，给出用户ES集群各个状态的异常探测、风险规避与调优推荐，从而帮助用户合理化、科学化、便捷化运维集群。

本文作者：工程师甲

原文链接

更多技术干货敬请关注云栖社区知乎机构号：阿里云云栖社区 - 知乎

本文为云栖社区原创内容，未经允许不得转载。