curl -XGET http://192.168.1.20:9200/_cluster/health?pretty
{
"cluster_name" : "kolla_logging",
"status" : "yellow",
( 集群的运行状况,基于其主要和副本分片的状态。
– green所有分片均已分配。
– yellow所有主分片均已分配,但未分配一个或多个副本分片。如果集群中某个节点发生故障,
则在修复该节点之前,某些数据可能不可用。
– red未分配一个或多个主分片,因此某些数据不可用。)
"timed_out" : false,
"number_of_nodes" : 1, (集群中的节点数)
"number_of_data_nodes" : 1, (作为专用数据节点的节点数)
"active_primary_shards" : 9, (活动主分区的数量)
"active_shards" : 9, (活动主分区和副本分区的总数)
"relocating_shards" : 0,
"initializing_shards" : 0, (正在初始化的分片数)
"unassigned_shards" : 1, (未分配的分片数)
"delayed_unassigned_shards" : 0,
"number_of_pending_tasks" : 0,
"number_of_in_flight_fetch" : 0,
"task_max_waiting_in_queue_millis" : 0,
"active_shards_percent_as_number" : 90.0 (集群中活动碎片的比率,以百分比表示)
}
# 以 json 的方式显示集群具体的异常信息
curl -XGET http://192.168.1.20:9200/_cluster/allocation/explain |python3 -m json.tool
报错显示 “allocate_explanation”: “cannot allocate because allocation is not permitted to any of the nodes”
当集群状态异常时,同时需要重点关注unassigned_shards没有正常分配的分片,查看集群状态可知存在一个未分配的分片数
# 查看索引情况,并根据返回找到状态异常的索引
curl -XGET http://192.168.1.20:9200/_cat/indices
查看索引设置
curl -XGET http://192.168.1.20:9200/flog-2024.03.20/_settings
关注 “number_of_replicas” : “1” 代表此处的副本分片的大小。此处假设 number_of_replicas的数量为1,则说明1个分片未分配
当副本数大于或等于数据节点数时,那么每个分片只能最多有 节点数量-1个副本,无法分配的副本数则为 主分片数x(副本数-(节点数-1))
例如:假设节点数为3,主分片数为5,副本数为3,那么无法分配的副本数则为:5*(3-(3-1))=5。
本环境的ES是单节点测试环境,则副本分片应为0,而yellow状态异常索引settings中,副本分片大小为1,因此此时只需要重新设置该索引副本分片数即可
[root@test ~]# curl -X PUT -H "Content-Type: application/json" -d '{"number\_of\_replicas":"0"}' 'http://192.168.1.20:9200/flog-2024.03.20/\_settings'
{"acknowledged":true}
[root@test ~]#
[root@test ~]#
[root@test ~]# curl -XGET http://192.168.1.20:9200/flog-2024.03.20/\_settings |python3 -m json.tool
% Total % Received % Xferd Average Speed Time Time Time Current
Dload Upload Total Spent Left Speed
100 295 100 295 0 0 144k 0 --:--:-- --:--:-- --:--:-- 144k
{
"flog-2024.03.20": {
"settings": {
"index": {
"routing": {
"allocation": {
"include": {
"\_tier\_preference": "data\_content"
}
}
},
"number\_of\_shards": "1",
"provided\_name": "flog-2024.03.20",
"creation\_date": "1710903076855",
"number\_of\_replicas": "0",
"uuid": "J-0ggL-uQWOVHjliT9e-lA",
"version": {
"created": "7171099"
}
}
}
}
**自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。**
**深知大多数大数据工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!**
**因此收集整理了一份《2024年大数据全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友。**
![img](https://img-blog.csdnimg.cn/img_convert/f430a58f06f734d6d343664fa0557085.png)
![img](https://img-blog.csdnimg.cn/img_convert/25c72fffdb28bf80bf296119c866ef76.png)
![img](https://img-blog.csdnimg.cn/img_convert/d46e2e3e793e6992f2ba6b2273c6388c.png)
![img](https://img-blog.csdnimg.cn/img_convert/fbba6179a0a73f203b9c3f35a0cc652f.png)
![img](https://img-blog.csdnimg.cn/img_convert/c5b76fb7dffe6b3230e4f99c30e3075f.png)
**既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上大数据开发知识点,真正体系化!**
**由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新**
**如果你觉得这些内容对你有帮助,可以添加VX:vip204888 (备注大数据获取)**
![img](https://img-blog.csdnimg.cn/img_convert/5bf30a158f34e45d2b12b791a2568987.png)
每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新**
**如果你觉得这些内容对你有帮助,可以添加VX:vip204888 (备注大数据获取)**
[外链图片转存中...(img-xMNY1EpP-1712934900429)]