1.介绍
如果您的集群目前遇到了性能问题，这很可能是因为一些常见的原因：
配置问题：分片过多，无 ILM 策略
量引起的：请求速度高、负载高，重叠昂贵的查询/写入重叠
2.分片过多问题
数据索引存储在sub-shards中，sub-shards利用堆进行维护，并搜索/写入请求。shard大小上限应为50GB，数量上限由以下的公式确定:
shards <= sum(nodes.max_heap) * 20
在上述的Elasticsearch Service示例中，两个区域之间有8GB的物理内存 （总共分配两个节点）。
# node.max_heap 8GB of physical memory / 2 = 4GB of heap # sum(nodes.max_heap) 4GB of heap * 2 nodes = 8GB # max shards 8GB * 20 160
然后将其与_cat/allocation进行交叉比较
GET /_cat/allocation?v=true&h=shards,node shards node 41 instance-0000000001 41 instance-0000000000
或与cluster/health进行交叉比较
GET /_cluster/health?filter_path=status,*_shards { "status": "green", "unassigned_shards": 0, "initializing_shards": 0, "active_primary_shards": 41, "relocating_shards": 0, "active_shards": 82, "delayed_unassigned_shards": 0 }
所以这个部署有82个分片， 最大推荐值为160。 如果计数高于建议值，您可能会在接下来的两部分中遇到如下情况（见下文）。
如果任何分片在active_shards或active_primary_shards之外的报告>0，则表明您已经找到了引发性能问题的主要配置原因。
最常见的情况是，如果报告了一个问题，则unassignd_shards >0。如果这些 shard 是主要分片，您的集群将报告“状态：红色”，如果只是副本，则报告为“状态：黄色”。(所以在索引上设置副本很重要，这样，在集群遇到问题时可以恢复，不会丢失数据。)
假设我们有一个“状态：黄色”和一个未指派的shard。为了进行调查，我们将利用_cat/shards来查看是哪个索引分片出现了问题。
GET _cat/shards?v=true&s=state index shard prirep state docs store ip node logs 0 p STARTED 2 10.1kb 10.42.255.40 instance-0000000001 logs 0 r UNASSIGNED kibana_sample_data_logs 0 p STARTED 14074 10.6mb 10.42.255.40 instance-0000000001 .kibana_1 0 p STARTED 2261 3.8mb 10.42.255.40 instance-0000000001
这将用于我们的非系统索引日志，它有一个未指派的副本分片。让我们运行 _cluster/allocation/explain来看看问题出在哪儿（专业提示：当您升级到支持时，这正是我们所做的事情）。
GET _cluster/allocation/explain?pretty&filter_path=index,node_allocation_decisions.node_name,node_allocation_decisions.deciders.* { "index": "logs", "node_allocation_decisions": [{ "node_name": "instance-0000000005", "deciders": [{ "decider": "data_tier", "decision": "NO", "explanation": "node does not match any index setting [index.routing.allocation.include._tier] tier filters [data_hot]" }]}]}
此错误消息指向data_hot，它是索引生命周期管理（ ILM）策略的一部分，说明我们的ILM策略与当前的索引设置不一致。在本例中，此错误的原因是在没有指定hot-warm的情况下设置了hot-warm ILM策略。(我必须让一些东西出错，因为这是我在给你们演示错误示例。看看你们对我做了什么 😂)。
仅供参考，如果没有unsigned shards情况下就运行此命令，将会出现一个400 错误：当前已没有未指派到节点的分片，因为没有任何错误报告。
如果您遇到非逻辑原因（例如，在分配期间节点离开集群之类的临时网络错误），您可以随时使用Elastic的 _cluster/reroute。
POST /_cluster/reroute
这一无需定制的请求将启动一个异步后台进程，尝试分配所有当前状态：NASSIGNED shards。（别像我一样等到它完成后才联系开发人员，我当时以为这是瞬间的，而且可以很巧地为他们及时完成升级，然后告诉他们一切正常，因为什么都没有了。)
3.超过资源限制熔断器报错
最大化堆分配可能会引起对集群的请求超时或错误，而且，您的集群还会经常遇到熔断器异常这一问题。熔断会导致elasticsearch.log事件，例如：
Caused by: org.elasticsearch.common.breaker.CircuitBreakingException: [parent] Data too large, data for [<transport_request>] would be [num/numGB], which is larger than the limit of [num/numGB], usages [request=0/0b, fielddata=num/numKB, in_flight_requests=num/numGB, accounting=num/numGB]
要进行调查，请查看您的heap.percent，方法是查看 _cat/nodes。
GET /_cat/nodes?v=true&h=name,node*,heap* # heap = JVM (logical memory reserved for heap) # ram = physical memory name node.role heap.current heap.percent heap.max tiebreaker-0000000002 mv 119.8mb 23 508mb instance-0000000001 himrst 1.8gb 48 3.9gb instance-0000000000 himrst 2.8gb 73 3.9gb
或者，如果您之前已启用过它，请导航到 Kibana > Stack Monitoring。
如果您确定遇到了内存熔断问题，您应考虑暂时增加堆容量，以便给自己喘息的空间，并进行调查。在调查根本原因时，请查看您的集群代理日志或elasticsearch.log, 以此查找之前发生的连续事件。您需要查找：
● 高桶聚合
我发现，搜索在根据搜索大小或存储桶尺寸运行查询之前，临时分配了堆的某个端口，我觉得这太傻了，就设置 了10,000,000。我的运维团队为此很挠头。
● 非优化映射
感到愚蠢的第二个原因是，我认为搜索时如果利用分层报告会比扁平化数据更好（事实并非如此）。
● 请求量/速度：通常是批处理或异步查询
4.资源不够，扩容
如果您已不止一次启动熔断机制，或者您觉得这个问题将一直存在（例如，始终达到85%，则应该考虑扩展资源了），您就需要仔细查看JVM内存压力，将其作为您的长期堆指标。 您可以在Elasticsearch Service > Deployment中进行检查。
或者您可以根据 _nodes/stats进行计算
GET /_nodes/stats?filter_path=nodes.*.jvm.mem.pools.old {"nodes": { "node_id": { "jvm": { "mem": { "pools": { "old": { "max_in_bytes": 532676608, "peak_max_in_bytes": 532676608, "peak_used_in_bytes": 104465408, "used_in_bytes": 104465408 }}}}}}}
这里
JVM Memory Pressure = used_in_bytes / max_in_bytes
可能会出现的是情况是：elasticsearch.log中的垃圾收集器(gc)事件发生的频率很高，而且持续时间长
[timestamp_short_interval_from_last][INFO ][o.e.m.j.JvmGcMonitorService] [node_id] [gc][number] overhead, spent [21s] collecting in the last [40s]
如果您确认了这一情况，那么您需要考虑一下如何扩展您的集群，或者如何减少对集群的需求。你应该调查并考虑的方面包括:
● 增加堆资源（堆/节点、节点数量）
● 减少shards（删除不必要的或旧的数据，利用ILM将数据放入热/冷存储中，之后您就可以缩减数据，关闭那些即使丢失了您也不在乎的数据副本)
