Es中出现unassigned shards问题解决

1、一般后台会报primary shard is not active Timeout: …

出现这种问题表示该索引是只读了，没办法进行shard及存储操作，优先排除是系统存储盘满了

2、通过监控工具查看(cerebro)

发现该索引shard 1 损坏

也可以通过命令进行查看

GET _cluster/allocation/explain?pretty

3、问题原因

 1. Shard allocation 过程中的延迟机制
 2. nodes 数小于分片副本数
 3. 检查是否开启 cluster.routing.allocation.enable 参数
 4. 分片的历史数据丢失了
 5. 磁盘不够用了
 6. es 的版本问题

4、 问题解决

4.1、 简单粗暴方式解决（删索引）

如果该索引数据是日志记录，非必要数据可进行删除该索引即可解决，如：监控数据，丢了就丢了，因为你只关注当前的

4.2、Shard allocation 过程中的延迟机制

当一个 点从集群中下线了， es 有一个延迟拷贝机制， 默认是等一分钟之后再开始处理 unassigned 的分片， 该做 rebalance的去 rebalance，只所以这样， 是因为es担心如果一个点只是中断了片刻， 或者临时下线某台机器，就立马大动干戈，就尴尬了，比如下面这种情形
Node（节点） 19 在网络中失联了（某个家伙踢到了电源线)
Master 立即注意到了这个节点的离线，它决定在集群内提拔其他拥有 Node 19 上面的主分片对应的副本分片为主分片
在副本被提拔为主分片以后，master 节点开始执行恢复操作来重建缺失的副本。集群中的节点之间互相拷贝分片数据，网卡压力剧增，集群状态尝试变绿。
由于目前集群处于非平衡状态，这个过程还有可能会触发小规模的分片移动。其他不相关的分片将在节点间迁移来达到一个最佳的平衡状态
与此同时，那个踢到电源线的倒霉管理员，把服务器插好电源线进行了重启，现在节点 Node 19 又重新加入到了集群。不幸的是，这个节点被告知当前的数据已经没有用了， 数据已经在其他节点上重新分配了。所以 Node 19 把本地的数据进行删除，然后重新开始恢复集群的其他分片（然后这又导致了一个新的再平衡）
如果这一切听起来是不必要的且开销极大，那就对了。是的，不过前提是你知道这个节点会很快回来。如果节点 Node 19 真的丢了，上面的流程确实正是我们想要发生的。
这个默认的延迟分配分片的实际是1分钟， 当然你可以设置这个时间

curl -XPUT 'localhost:9200/<INDEX_NAME>/_settings' -d '
{
    "settings": {
      "index.unassigned.node_left.delayed_timeout": "30s"
    }
}'

4.3、nodes 数小于分片副本数

当一个nodes 被下掉之后， master 节点会重新 reassigns 这台nodes上的所有分片， 尽可能的把同一个分片的不同副本分片和主分片分配到不同的node上，但是如果你设置的一个分片的 副本数目太多， 导致根本没法一个 node上分配一个，就会出现问题， 会导致 es 没法进行 reassign， 这样就会出现 unassigned 的分片。
从一开始创建index 的时候就要保证N >= R + 1这里 N 代表 node的个数， R代表你index 的副本数目。
这种情况要么增加 nodes 个数要么减少副本数

curl -XPUT 'localhost:9200/<INDEX_NAME>/_settings' -d '{"number_of_replicas": 2}'

我们上个例子中，就把 副本数目减少到 2个， 问题解决。
注释：目前我就是属于单节点，但没办法调整分片数与节点数关系达到平衡，所以我这里直接删了索引

4.4检查是否开启 cluster.routing.allocation.enable 参数

Shard allocation 功能默认都是开启的， 但是如果你在某个时刻关闭了，这个功能（比如滚动重启的情形， https://www.elastic.co/guide/en/elasticsearch/guide/current/_rolling_restarts.html ）， 后面忘了开启了，也会导致问题， 你可以使用下面这个命令开开启下

curl -XPUT 'localhost:9200/_cluster/settings' -d
'{ "transient":
  { "cluster.routing.allocation.enable" : "all" 
  }
}'

恢复之后， 你可以从监控上，看到 unassigned shards 逐渐恢复
看监控中，几个index都恢复了，好像还有constant-updates这个index 没有好，我们看下是否还有其他原因
分片的历史数据丢失了
我们现在的问题是这样， constant-updates 这个index 的第 0个分片处于 unassigned 状态， 创建这个index 的时候 每个分片只有 一个 主分片，没有其他副本， 数据没有副本， 集群检测到这个分片的 全局状态文件，但是没有找到原始数据， 就没法进行恢复。

还有一种可能是这样， 当一个node 重启的时候， 会重新连接集群， 然后把自己的 disk 文件信息汇报上去， 这时候进行恢复，如果这个过程出现了问题，比如存储坏掉了，那么当前分片还是没法恢复正常。

这个时候，你可以考虑下，是继续等待原来的那台机器恢复然后加入集群，还是重新强制分配 这些 unassigned 的分片， 重新分配的时候也可以使用备份数据。

如果你打算重新强制分配主分片，可以使用下面的命令 , 记得带上"allow_primary": “true”

curl -XPOST 'localhost:9200/_cluster/reroute' -d '{ "commands" :
  [ { "allocate" : 
      { "index" : "constant-updates", "shard" : 0, "node": "<NODE_NAME>", "allow_primary": "true" }
  }]
}'

如果你没有带上"allow_primary": “true”, 就会报错

{"error":{"root_cause":[{"type":"remote_transport_exception","reason":"[NODE_NAME][127.0.0.1:9301][cluster:admin/reroute]"}],
"type":"illegal_argument_exception","reason":"[allocate] trying to allocate a primary shard [constant-updates][0], which is disabled"},
"status":400}

因为没有当前分配的分片是没有主分片了。

当然你在重新强制分配主分片的时候，可以创建一个 empty 的主分片，也就是老数据我不要了， 这个时候，如果失联的 node 重新加入集群后， 就把自己降级了， 分片的数据也会使用 这个 empty 的主分片覆盖， 因为它已经变成过时的版本了。

POST _cluster/reroute  
{
  "commands" : [ {
        "allocate_empty_primary" :
            {
              "index" : "constant-updates", "shard" : 0, "node" : "<NODE_NAME>", "accept_data_loss" : true
            }
        }
  ]
}

这个命令就可以创建一个 empty 的主分片。

4.5、磁盘不够情况解决

4.5.1、先进行查询

curl -s 'localhost:9200/_cat/allocation?v'

4.5.2、如果磁盘空间比较有剩余可以调整low disk watermark的磁盘使用比例也是可以设置的

curl -XPUT 'localhost:9200/_cluster/settings' -d
'{
    "transient": {  
      "cluster.routing.allocation.disk.watermark.low": "90%"    
    }
}'

4.5.3、可通过扩容物理磁盘并更改es配置

可以修改配置文件opensearch.yml或elasticsearch.yml进行配置在新的磁盘用逗号隔开，重启es

path.data:/test/data1,/test/data2

4.6、es 的版本问题

还有一种极端情况， 就是你升级了某个node的版本， master node 会不认这个跟它版本不同的的node， 也不会在上面分配分片。

如果你手动强制往上面分配分片，会报错。

[NO(target node version [XXX] is older than source node version [XXX])]

大体就这几种情况，你可以根据自己的观察到的现象去判断。

总结

针对不同情况需要进行不同的处理，能不删数据尽量不删数据，如果有更好的解决方案，或者没有解决你的问题欢迎留言一起讨论

原文链接:
https://www.cnblogs.com/lvzhenjiang/p/14196973.html
https://blog.csdn.net/syc000666/article/details/94910375