ES集群重启最佳实践 - 简书

线上集群规模

• data节点：12
• 单index大小：20GB ~ 40GB
• 副本数：1
• 索引数(按天拆分索引)：600

非安全重启面临的问题

• 直接kill掉节点，可能导致数据丢失
• 集群会认为该节点挂掉了，集群重新分配数据进行数据转移（shard rebalance），会导致节点直接大量传输数据
• 节点重启之后，恢复数据，同样产生大量的磁盘、网络流量，耗费机器和网络资源的。

安全重启步骤

• 暂停数据写入程序
• 关闭集群shard allocation
• 手动执行POST /_flush/synced
• 重启节点
• 重新开启集群shard allocation
• 等待recovery完成，集群health status变成green
• 重新开启数据写入程序

速度调优

• 可临时增大 max_bytes_per_sec；随后在进行更改
• 可以多节点同时操作
• 可以将历史索引的副本数暂时调整为0；集群恢复后在进行调整
• 使用 _forcemerge

相关API

• synced flush: curl -XPOST localhost:9200/_flush/synced
• _forcemerge: forcemerge?max_num_segments=1
• 禁用 shard allocation curl -XPUT localhost:9200/_cluster/settings { "persistent": { "cluster.routing.allocation.enable": "none" }}
• 启用 shard allocation： curl -XPUT localhost:9200/_cluster/settings { "persistent": { "cluster.routing.allocation.enable": "all" }}
• 增大max_bytes_per_sec： http://localhost:port/_cluster/settings?flat_settings=true{"transient" : {"indices.recovery.max_bytes_per_sec" : 200mb}}
• 恢复max_bytes_per_sec： http://localhost:port/_cluster/settings?flat_settings=true{"transient" : {"indices.recovery.max_bytes_per_sec" :null}}
• 一些查看恢复速度的API： curl localhost:9200/{index}/_stats?level=shards&pretty curl localhost:9200/{index}/_recovery?pretty&human&detailed=true curl localhost:9200/_cat/recovery

总结

按照上述操作，集群重启恢复(恢复80%)使用 1小时;随后就开启数据写入，恢复速率大大减慢，但并不影响正常使用