Elasticsearch集群所谓脑裂问题

所谓脑裂问题（相似于精神分裂），就是同一个集群中的不一样节点，对于集群的状态有了不同的理解。

 

今天，Elasticsearch集群出现了查询极端缓慢的状况，经过如下命令查看集群状态：

curl -XGET 'es-1:9200/_cluster/health'

发现，集群的整体状态是red，原本9个节点的集群，在结果中只显示了4个；可是，将请求发向不一样的节点以后，我却发现即便是整体状态是red的，可是可用的节点数量却不一致。

 

正 常状况下，集群中的全部的节点，应该对集群中master的选择是一致的，这样得到的状态信息也应该是一致的，不一致的状态信息，说明不一样的节点对 master节点的选择出现了异常——也就是所谓的脑裂问题。这样的脑裂状态直接让节点失去了集群的正确状态，致使集群不能正常工做。

 

可能致使的缘由：

 

1. 网络：因为是内网通讯，网络通讯问题形成某些节点认为master死掉，而另选master的可能性较小；进而检查Ganglia集群监控，也没有发现异常的内网流量，故此缘由能够排除。
2. 节点负载：因为master节点与data节点都是混合在一块儿的，因此当工做节点的负载较大（确实也较大）时，致使对应的ES实例中止响应，而这台服务器 若是正充当着master节点的身份，那么一部分节点就会认为这个master节点失效了，故从新选举新的节点，这时就出现了脑裂；同时因为data节点 上ES进程占用的内存较大，较大规模的内存回收操做也能形成ES进程失去响应。因此，这个缘由的可能性应该是最大的。
 

应对问题的办法：
 

1. 对应于上面的分析，推测出缘由应该是因为节点负载致使了master进程中止响应，继而致使了部分节点对于master的选择出现了分歧。为此，一个直观 的解决方案即是将master节点与data节点分离。为此，咱们添加了三台服务器进入ES集群，不过它们的角色只是master节点，不担任存储和搜索 的角色，故它们是相对轻量级的进程。能够经过如下配置来限制其角色：

1. node.master: true  
2. node.data: false

复制代码
固然，其它的节点就不能再担任master了，把上面的配置反过来便可。这样就作到了将master节点与data节点分离。固然，为了使新加入的节点快速肯定master位置，能够将data节点的默认的master发现方式有multicast修改成unicast：
 

1. discovery.zen.ping.multicast.enabled: false  
2. discovery.zen.ping.unicast.hosts: ["master1", "master2", "master3"]  

复制代码 2. 还有两个直观的参数能够减缓脑裂问题的出现： discovery.zen.ping_timeout（默认值是3秒）：默认状况下，一个节点会认为，若是master节点在3秒以内没有应答，那么这个节点就是死掉了，而增长这个值，会增长节点等待响应的时间，从必定程度上会减小误判。 discovery.zen.minimum_master_nodes（默认是1）：这个参数控制的是，一个节点须要看到的具备master节点资格的 最小数量，而后才能在集群中作操做。官方的推荐值是(N/2)+1，其中N是具备master资格的节点的数量（咱们的状况是3，所以这个参数设置为2， 但对于只有2个节点的状况，设置为2就有些问题了，一个节点DOWN掉后，你确定连不上2台服务器了，这点须要注意）。 以上的解决方法只能是减缓这种现象的发生，并不能从根本上杜绝。