乾貨 | Elasticsearch 叢集健康值紅色終極解決方案
題記
Elasticsearch當清理快取（ echo 3 > /proc/sys/vm/drop_caches ）的時候，出現 如下叢集健康值：red，紅色預警狀態，同時部分分片都成為灰色。
檢視Elasticsearch啟動日誌會發現如下： 叢集服務超時連線的情況。
bserver: timeout notification from cluster service. timeout setting [1m], time since start [1m]
該問題排查耗時很長，問題已經解決。 特將問題排查及解決方案詳盡的整理出來。
1、叢集狀態解讀
head外掛會以不同的顏色顯示。
1）、綠色——最健康的狀態，代表所有的主分片和副本分片都可用； 2）、黃色——所有的主分片可用，但是部分副本分片不可用； 3）、紅色——部分主分片不可用。（此時執行查詢部分資料仍然可以查到，遇到這種情況，還是趕快解決比較好。）
參考官網：http://t.cn/RltLEpN（部分中文叢集健康狀態博文資料翻譯的不夠精確，以官網為準）
如果叢集狀態為紅色， Head外掛顯示：叢集健康值red 。則說明：至少一個主分片分配失敗。
這將導致一些資料以及索引的某些部分不再可用。
儘管如此， ElasticSearch還是允許我們執行查詢，至於是通知使用者查詢結果可能不完整還是掛起查詢，則由應用構建者來決定。
2、什麼是unassigned 分片？
一句話解釋：未分配的分片。 啟動ES的時候，通過Head外掛不停重新整理，你會發現叢集分片會呈現紫色、灰色、最終綠色的狀態。
3、為什麼會出現 unassigned 分片？
如果不能分配分片，例如，您已經為叢集中的節點數過分分配了副本分片的數量，則分片將保持UNASSIGNED狀態。 其錯誤碼為：ALLOCATION_FAILED。
你可以通過如下指令，檢視叢集中不同節點、不同索引的狀態。
GET _cat/shards?h=index,shard,prirep,state,unassigned.reason4、出現unassigned 分片後的症狀？
head外掛檢視會：Elasticsearch啟動N長時候後，某一個或幾個分片仍持續為灰色。
5、unassigned 分片問題可能的原因？
1）INDEX_CREATED：由於建立索引的API導致未分配。 2）CLUSTER_RECOVERED ：由於完全叢集恢復導致未分配。 3）INDEX_REOPENED ：由於開啟open或關閉close一個索引導致未分配。 4）DANGLING_INDEX_IMPORTED ：由於匯入dangling索引的結果導致未分配。 5）NEW_INDEX_RESTORED ：由於恢復到新索引導致未分配。 6）EXISTING_INDEX_RESTORED ：由於恢復到已關閉的索引導致未分配。 7）REPLICA_ADDED：由於顯式新增副本分片導致未分配。 8）ALLOCATION_FAILED ：由於分片分配失敗導致未分配。 9）NODE_LEFT ：由於承載該分片的節點離開叢集導致未分配。 10）REINITIALIZED ：由於當分片從開始移動到初始化時導致未分配（例如，使用影子shadow副本分片）。 11）REROUTE_CANCELLED ：作為顯式取消重新路由命令的結果取消分配。 12）REALLOCATED_REPLICA ：確定更好的副本位置被標定使用，導致現有的副本分配被取消，出現未分配。
6、叢集狀態紅色如何排查？
症狀：叢集健康值紅色; 日誌：叢集服務連線超時； 可能原因：叢集中部分節點的主分片未分配。 接下來的解決方案主要圍繞：使主分片unsigned 分片完成再分配展開。
7、如何Fixed unassigned 分片問題？
方案一：極端情況——這個分片資料已經不可用，直接刪除該分片。 ES中沒有直接刪除分片的介面，除非整個節點資料已不再使用，刪除節點。
curl -XDELETE ‘localhost:9200/index_name/’
方案二：叢集中節點數量>=叢集中所有索引的最大副本數量 +１。 N> = R + 1 其中： N——叢集中節點的數目； R——叢集中所有索引的最大副本數目。 知識點：
當節點加入和離開叢集時，主節點會自動重新分配分片，以確保分片的多個副本不會分配給同一個節點。 換句話說，主節點不會將主分片分配給與其副本相同的節點，也不會將同一分片的兩個副本分配給同一個節點。 如果沒有足夠的節點相應地分配分片，則分片可能會處於未分配狀態。 由於我的叢集就一個節點，即Ｎ＝１；所以Ｒ＝０，才能滿足公式。
問題就轉嫁為： １）新增節點處理，即Ｎ增大； ２）刪除副本分片，即R置為0。 R置為0的方式，可以通過如下命令列實現：
curl -XPUT "http://localhost:9200/_settings" -d'
{ "number_of_replicas" : 0 } '方案三：allocate重新分配分片。 如果方案二仍然未解決，可以考慮重新分配分片。
可能的原因：
1）節點在重新啟動時可能遇到問題。正常情況下，當一個節點恢復與群集的連線時，它會將有關其分片的資訊轉發給主節點，然後主節點將這分片從“未分配”轉換為“已分配/已啟動”。
2）當由於某種原因（例如節點的儲存已被損壞）導致該程序失敗時，分片可能保持未分配狀態。
在這種情況下，您必須決定如何繼續：嘗試讓原始節點恢復並重新加入叢集（並且不要強制分配主分片）；
或者強制使用Reroute API分配分片並重新索引缺少的資料原始資料來源或備份。 如果您決定分配未分配的主分片，請確保將“allow_primary”：“true”標誌新增到請求中。
ES5.X使用指令碼如下：
NODE="YOUR NODE NAME"IFS=$'n'for line in
$(curl -s 'localhost:9200/_cat/shards' |
fgrep UNASSIGNED);
do
INDEX=$(echo $line | (awk '{print $1}'))
SHARD=$(echo $line | (awk '{print $2}'))
curl -XPOST 'localhost:9200/_cluster/reroute' -d '{
"commands": [
{
" allocate_replica ": {
"index": "'$INDEX'",
"shard": '$SHARD',
"node": "'$NODE'",
"allow_primary": true
}
}
]
}'doneES2.X及早期版本，將 allocate_replica改為 allocate，其他不變。
指令碼解讀： 步驟1：定位 UNASSIGNED 的節點和分片。
curl -s 'localhost:9200/_cat/shards' |
fgrep UNASSIGNED步驟2：通過 allocate_replica 將 UNASSIGNED的分片重新分配。
8、核心知識點
1）路由 原理很簡單，把每個使用者的資料都索引到一個獨立分片中，在查詢時只查詢那個使用者的分片。這時就需要使用路由。 使用路由優勢：路由是優化叢集的一個很強大的機制。 它能讓我們根據應用程式的邏輯來部署文件, 從而可以用更少的資源構建更快速的查詢。
2）在索引過程中使用路由 我們可以通過路由來控制 ElasticSearch 將文件傳送到哪個分片。 路由引數值無關緊要，可以取任何值。重要的是在將不同文件放到同一個分片上時, 需要使用相同的值。
3）指定路由查詢 路由允許使用者構建更有效率的查詢，當我們只需要從索引的一個特定子集中獲取資料時, 為什麼非要把查詢傳送到所有的節點呢?
指定路由查詢舉例:
curl -XGET 'localhost:9200/documents/_search?pretty&q=*:*&routing=A'4）叢集再路由reroute reroute命令允許顯式地執行包含特定命令的叢集重新路由分配。
例如，分片可以從一個節點移動到另一個節點，可以取消分配，或者可以在特定節點上顯式分配未分配的分片。
5）allocate分配原理 分配unassigned的分片到一個節點。
將未分配的分片分配給節點。接受索引和分片的索引名稱和分片號，以及將分片分配給它的節點。。 它還接受allow_primary標誌來明確指定允許顯式分配主分片（可能導致資料丟失）。
9、小結
1）該問題的排查累計超過6個小時，最終找到解決方案。之前幾近沒有思路，想放棄，但咬牙最終解決。
2) 切記，第一手資料很重要！ Elasticsearch出現問題，最高效的解決方案是第一手資料ES英文官網文件，其次是ES英文論壇、ES github issues，再次是stackoverflow等英文論壇、部落格。最後才是：Elasticsearch中文社群、其他相關中文技術部落格等。
因為：所有的論壇、部落格文字都是基於ES英文官方文件再整理，難免有缺失或錯誤。
3）自己的Elasticsearch基礎原理、Lucene基礎知識的不牢固，別無它法，繼續深入研究，繼續死磕中…….
參考
1、官網文件地址：http://t.cn/RlttuVY 2、Elasticsearch unassigned shards 應急處理方案 ：http://t.cn/Rlwub5s 3、解決Unassigned Shards大探討：http://t.cn/RlwuVFn 4、快照&重新儲存資料方案：http://t.cn/RlwuXmm