ES又遇到负载均衡的坑

2018-08-06 本文已影响67人明翼

1、背景

我们的ES集群四台机器发生了当机，而且是晚上当机，早上才发现，后来直接重启之后发现速度非常慢，基本上慢了一个数量级，周末查了一天没查到原因，晚上想了下，早上突然想起是不是shard分配造成的。

2、刨根求源

通过x-pack监控，按照索引速度按照速度排序，去找到正在入的主要索引，然后在cerebro去查询这个索引的shard分布情况，结果一看吓一跳，二十多个shard分布在几台节点上，我们一共是57个节点，每个主副本shard在一个节点上完全是够的。

2.1 为什么会出现这个问题

通过仔细观察发现集中shard的机器是重启的4台机器，后来才恍然大悟，机器是在夜里当机的，当机后，索引仍然可以正常创建，导致了剩下机器的shard数量比当机的4个机器要多很多，就导致了后面的shard尽量集中在这几台机器。

设置了只对主分配进行负载均衡。【后来设置为none关闭】
同时进行负载均衡的分片数量为4个。
当所有分片都是出于active的时候再进行负载均衡。

PUT _cluster/settings
{ 
  "persistent" :
  { 
    "cluster.routing.rebalance.enable": "primaries ",
    "cluster.routing.allocation.cluster_concurrent_rebalance":4,
    "cluster.routing.allocation.allow_rebalance":"indices_all_active"
    }
}

2.2 如何解决这个问题

开始我是这样理解的，主副本平衡是关键，所以通过cerebro监控工具直接手工调节，后来也逐步完成了所有的在入索引的主shard的同步，结果仍然速度不快，后来了解到es和solr的入索引是一样的，都是先发给主shard，然后主shard再发给各个副本，各个副本将结果返回给主，最后再返回给客户端，显然我们的问题不光要控制主的负载均衡，还需要控制副本的整体均衡,没办法，先把副本改成0吧。
命令如下：

PUT /index_20180805*/_settings
{
    "number_of_replicas": 0
}

2.3 新建索引指定节点

为了解决这个问题，开始我们做了新建其他没用的索引，且指定shard在固定的4台机器上，这样上面的shard就多了，后面创建的索引就不会过多地落在上面了，命令如下：

PUT /testshard3
{
 "settings" : {
        "number_of_shards":3,
        "number_of_replicas" : 0,
        "refresh_interval":"120s",
        "index.routing.allocation.include._ip":"192.168.1.134"
    }
}

3、另外问题

由于es对离开的节点立刻做了负载均衡，如果节点在很快的时间内返回的后，再进行一次rebalance是很不划算的，设置下在离开的多长时间之后再进行负载均衡：

PUT /_all/_settings
{
  "settings": {
    "index.unassigned.node_left.delayed_timeout": "720m"
  }

对已经存在的index起作用，新的要重新运行。
这样应该就不会有很大的不平衡了。

4、参考

节点脱离了会发生什么：https://blog.csdn.net/zhengxgs/article/details/53942941
ES建索引过程：https://www.cnblogs.com/wenBlog/p/8489197.html
分片的分配过程：https://www.cnblogs.com/kasumi/p/6530535.html

5、同事找到一个办法

image.png

但是动态设置更改不起作用。

PUT /testshard4
{
 "settings" : {
        "number_of_shards":3,
        "number_of_replicas" : 0,
        "refresh_interval":"120s",
        "index.routing.allocation.total_shards_per_node": 1
    }
}

注意这里面有个坑，副本也算一个分配，如果你配置了30个shard，1个副本的话，那么机器数必须至少是60个才可以满足要求。

PUT /first*/_settings
{
    "index": { "routing.allocation.total_shards_per_node" : "2" }
}

有大神有解决办法吗，请告知。