Elasticsearch系统常见问题

更新时间：2025-08-20

本文档主要目的：

用来积累用户常见的问题。
文档中的操作可通过 Kibana 或在chrome浏览器中安装sense插件完成。用户也可以通过curl的方式自行实现。

如何查看Es安装了哪些插件

可以使用下面这个API，会列出每个节点安装的插件列表。

Plain Text

1GET /_cat/plugins

线程池队列满导致错误

在这种场景下ES抛出的异常是

Plain Text

1rejected execution of org.elasticsearch.transport.TransportService$4@c8998f4 
2on EsThreadPoolExecutor[bulk, queue capacity = 50, org.elasticsearch.common.util.concurrent.EsThreadPoolExecutor@553aee29
3[Running, pool size = 4, active threads = 4, queued tasks = 50, completed tasks = 0]]

ES内部有很多线程池，比如index，search，bulk是我们能够看到的3个典型的线程池，如果系统的压力特别大，后台线程处理不过来的时候，用户发起的任务会在线程池的队列里堆积，如果达到队列的上限就会抛出对应的异常，遇到这种错误需要做以下两步：

检查系统的CPU和IO的利用情况，如果系统的IO和CPU的利用率比较高，这说明系统遇到资源瓶颈了，已经不能通过优化系统的参数来避免这种错误发生了，云上的用户可以在ES的控制台查看ES的CPU利用率，也可以通过ES自带的命令来查看，通过下面这个命令可以看到ES各个节点的CPU利用率以及负载： GET /_cat/nodes?v
如果资源没有问题，那么检查当先线程池的配置，比如上面这个错误就需要检查bulk的线程池的配置，在sense里执行以下命令： GET /_cluster/settings

结果如下
Plain Text
```
1		"thread_pool": {
2       "bulk": {
3          "type": "fixed",
4          "size": "4",
5          "queue_size": "50"
6       }
7    }
```
这个结果表示处理bulk任务的线程池有4个执行线程，队列数为50. 根据我们的经验看，这个值还是比较小的，所以可以直接用以下操作处理：

ES 5.5.0 版本：

Plain Text

1PUT /_cluster/settings
2{
3	"persistent": {
4		"thread_pool.bulk.size": 32,
5		"thread_pool.bulk.queue_size": 300
6	}
7}

ES 6.5.3+ 集群：

Plain Text

1PUT /_cluster/settings
2{
3	"persistent": {
4		"thread_pool.write.size": 32,
5		"thread_pool.write.queue_size": 300
6	}
7}

Too Many Open Files的错误

在es的日志中如果出现这个错误，一般都是打开的文件太多了，ES 建议文件句柄的限制至少为65536个，用户可以通过修改 /etc/security/limits.conf来修改，或者用ulimit这个命令来修改。 es里每个shard都是一个单独的lucene index writer，每个shard由多个segment组成，每个segment有多个文件，所以打开的文件的数目= shard数目 segment数目 每个segment包含的文件数量，所以我们建议一个物理机节点上shard的数目在1000个左右，不建议有太多的shard。另外lucene使用compound file格式也能有效的减少每个segment里的文件的数量。

Es 中一个分片一般设置多大

ES 的每个分片（shard）都是lucene的一个index，而lucene的一个index只能存储20亿个文档，所以一个分片也只能最多存储20亿个文档。另外，我们也建议一个分片的大小在10G-50G之间，太大的话查询时会比较慢，另外在做副本修复的时，耗时比较多；分片太小的话，会导致一个索引的分片数目很多，查询时带来的 fanout 太大。

当集群为red或者yellow的时候怎么办

集群为RED表示集群中有primary shard没有分配，yellow表示有replica没有分配，我们建议你用下面这个API来看shard为什么没有被分配到某个节点上。 GET _cluster/allocation/explain

根据我们的使用经验，有以下几种情况导致shard没有被分配：

没有节点上有存储空间能够放下这个shard。
如果shard是replica，那么可能是primary shard未分配或者处于initializing状态。

分片长时间处于未分配状态 ES内部会对一个unassigned 分片尝试5次进行分配,失败后不再尝试进行分配，这时候需要调用进行手动控制集群处理 unassigned 分片：

Plain Text

1POST /_cluster/reroute?retry_failed=true

如何cancel掉慢查询

用户发送一个查询可能导致一个集群非常慢，CPU利用率非常高，所以用户有的时候想把占用资源非常多的查询cancel 掉。在ES 5.0之后es提供了cancel查询的命令。 es内部把所有的执行任务都封装成了task，可以通过task api来查看一个节点在执行的task任务列表，也可以使用task api来取消task。比如我们要查询所有在执行search类型的task，可以使用如下API： GET /_tasks?actions=*search

取消所有在执行的search任务：

Plain Text

1POST _tasks/_cancel?actions=*search

更多的使用方式可以参考官方网站的介绍。

PageCache 在查询中的作用很大

我们建议如果条件可以的话应该给ES留尽量多的pagecache，这能极大的优化我们的查询速度，如果pagecache不足够多，那么ES每次查询【fetch 文档，拿posting list】都会读取磁盘，此时系统就会变慢。用户可以使用iostat 来查看一下系统的IO 信息，也可在 GET _nodes/state 返回的信息里搜索 "io_stats"查看。如果iops比较高的话，说明系统的io比较高了，可能就是pagecache小的原因。

禁用权限验证

有的时候业务系统原有的ES服务没有权限验证，但是云上的ES服务是有权限验证的，当业务系统迁移的时候不希望改代码，那么可以先把权限验证关掉，这样就能平滑迁移了。操作的方式是：

Plain Text

1PUT /_cluster/settings
2{
3    "persistent": {
4        "simpleauth.enable":false
5    }
6}

支持的Client的类型

目前我们云上的产品只支持基于http 的restful api，不支持基于tcp的transport client这种api。这个设置主要原因是transport client跟集群运行的版本深度绑定，当集群升级的时候需要前端业务也跟着升级才可以。

Es是否支持Spark和Hadoop来写入或者读取数据

支持，需要到es官方网站下载es-hadoop包放到spark或者hadoop中就可以用spark或者hadoop读写es了。

JVM FULL GC 的几种情形

Scroll 导致FullGC

一些用户使用scroll做分页查询或者用scroll导出数据的时候，经常把scroll的超时时间设置的比较长，比如设置为1天，在这种情况下es后端会为这个scroll一直保存对应的search context，每个search context都对应了lucene的searcher，此时searcher一直不释放导致lucene merge完的文件也不删除，一些leafreader， fst等都长期在JVM 里导致最终随着search context越来越多导致了FullGC。用户可以使用以下2个API 来查看和清除这些Context。

Plain Text

1GET /_nodes/stats/indices/search
2DELETE /_search/scroll/_all

查询导致FullGC

用户在查询时将结果集的from+size设置的太大，比如size=Integer.MAX_VALUE导致的，目前ES会根据设置的这个from+size开辟一个priority queue，当并发量大时，内存会分配不过来这么多非常大的queue，导致FULL GC，甚至OOM。

aggregation导致FullGC

用户在执行类似terms agg时，如果不同的值非常多，最终会导致产生很多bucket，比如几千万个bucket，这些bucket也会在内存里，最终导致fullgc。

如何提升导入性能

减少副本数，增加refresh间隔

Plain Text

1PUT /index_name/_settings
2{
3  	"index.number_of_replicas": 0,
4 		"index.refresh_interval": "10s"
5}
6

ES 的多副本机制在写入时会向多个副本都发送原始的json文档，然后在多个副本上分别进行分词，建立索引等操作。由于导入是CPU密集型操作，所以把replica数目改成0，可以减少CPU使用率，当导入完毕后，把replica数目改回，这样就是直接拷贝物理文件了，速度会比较快。

refresh interal是用来控制多久把内存里的数据刷出segment的，es会对刷出的segment进行merge，如果merge不过来es会阻止写入。所以把refresh interval调大，也可以把刷出的segment变大，降低merge的频率，提升导入性能。 增大index的导入速度限制

Plain Text

1PUT /_cluster/settings
2{
3      "persistent" : {
4             "indices.store.throttle.max_bytes_per_sec" : "200mb"
5      }
6}

ES 在写入数据的时候会有速度的限制，防止占用过多的磁盘IO，如果集群的导入比较大而查询比较少，那么可以把这个速度限制调大。

集群配置问题

需要使用 oracle JDK 1.8 以上版本。

设置最大文件数：

Plain Text

1  修改 /etc/security/limits.conf ： 
2
3  *　　soft　　nofile　　65536
4
5  *　　hard　　nofile　　65536

增加 mmap counts ：修改 /etc/sysctl.conf ：
Plain Text
```
1		vm.max_map_count=262144
2	
3		然后执行： sysctl -p
```

集群重启问题

在一些情况下（比如修改配置文件），我们希望重启集群，重启集群可以是一台台的重启，也可以是整个集群重启，重启Es的时候，可能会引起数据的重分布，下面就这两种情况分别介绍如何重启服务。

整个集群重启

把整个集群设置为只读状态

Plain Text

1		PUT /_cluster/settings
2		{
3		    "persistent": {
4		        "cluster.blocks.read_only":true
5		    }
6		}
7		```

把节点内存的数据全部flush到硬盘上
Plain Text
```
1		POST /_flush/synced
```
把所有的es节点重启

当集群green之后，把集群修改为可写入状态

Plain Text

1	PUT /_cluster/settings
2	{
3	    "persistent": {
4	        "cluster.blocks.read_only":false
5	    }
6	}

一台台重启

这种方式重启服务不会中断，适用于线上服务。

禁止分片分配，这样我们关闭一台Es服务的时候，分片不会重分布。 PUT /_cluster/settings { "transient" : { "cluster.routing.allocation.enable" : "none" } }
关闭单个节点，修改配置或者替换jar包，启动节点

开启分片重分布

Plain Text

1	PUT /_cluster/settings
2	{
3    	"transient" : {
4        	"cluster.routing.allocation.enable" : "all"
5    	}
6	}
7		```

等待集群green后，重复执行1-3 步，直到所有的节点都修改完配置为止。

禁用_field_names

_field_names字段是Elasticsearch的内部的一个元数据字段。该字段会索引文档内的每个字段的名字(除了字段值为null的字段名字);这个字段存在的意义主要是执行Elasticsarech exists query，Elasticsearch对该字段只做了索引处理，没有存储该字段，6.3版本以后该字段只会索引没有禁掉doc_value和norms的字段，建议业务不使用exists 查询的情况下disable该字段，能够少量的减少倒排表的占用的存储空间，可能会适当增强pagecache的利用

Plain Text

1 PUT index
2 {
3   "mappings": {
4     "_doc": {
5       "_field_names": {
6         "enabled": false
7       }
8     }
9   }
10 }

导入数据发现越来越慢的几种情形

导入数据中包含update

Es的update实际上是先读取数据然后更改后，再写入的，当写入的数据越来越多的时候，读取数据就会比较慢，写入也就逐渐变慢了。

控制index在节点上的数量

默认情况下，ES集群会尽可能将所有节点上的index和shard的数量进行balance，但是一些特殊情况下，可能会造成某一个index的shard过多的集中在少量的节点上，这时候可以通过设置集群中每个节点存放index shard的个数：

Plain Text

1PUT {index名字}/_settings
2{
3   "index.routing.allocation.total_shards_per_node": 10
4}

控制索引的分片数量和副本数量

不修改参数的情况下，一个index 一共有5个分片，2个副本（包括主分片）,可以通过修改index的参数来控制：

Plain Text

1PUT /{index名字}
2{
3    "settings": {
4        "number_of_shards": 20,
5        "number_of_replicas": 2
6    }
7}

Plain Text

1number_of_shards: 分片个数，创建完index后不可修改，需在创建的时候指定
2number_of_replicas： 副本个数，不包括主分片

当集群处于恢复状态的时候，恢复速度可能会比较慢

当前正在恢复的索引分片可以通过

Plain Text

1GET /_recovery?active_only=true

查看，默认情况一个节点同时恢复的个数为4，包括2个作为source节点，2个作为target节点，当分片个数非常多的时候可能会恢复的很慢，恢复的时候默认是有限速的最大40mb,这时候可以通过设置集群参数：

Plain Text

1curl -XPUT "host:port/_cluster/settings" -d'
2{
3    "transient": {
4        "cluster.routing.allocation.node_concurrent_recoveries": 8,
5        "indices.recovery.max_bytes_per_sec": "120mb"
6    }
7}'

Plain Text

1indices.recovery.max_bytes_per_sec： 节点恢复的最大带宽，这个设置应该小于当前网络带宽，避免影响其他网络服务
2cluster.routing.allocation.node_concurrent_recoveries： 节点作为source node或target node同时恢复的最大个数

磁盘满了之后如何恢复

当Es的DataNode的磁盘使用率达到一定的阈值（95%）之后，Es会阻止继续写入，Es会在所有的Index上加一个block，当用户继续写入的时候会收到以下错误

Plain Text

1cluster_block_exception [FORBIDDEN/12/index read-only / allow delete (api)];

此时用户必须释放磁盘空间才能解决问题，释放磁盘空间有2种办法：

删除不用的Index
降低Index的副本的数目，比如把replica数目从2降到1.

当释放完毕磁盘空间之后，Es并不会自动把block去掉，此时用户仍然无法写入数据，需要执行以下命令：

Plain Text

1curl -XPUT "host:port/_all/_settings" -d '
2{
3    "index.blocks.read_only_allow_delete": null
4}'

Spark访问Es常见问题

常见问题总览

Elasticsearch BES

Elasticsearch BES

Elasticsearch系统常见问题

如何查看Es安装了哪些插件

线程池队列满导致错误

Too Many Open Files的错误

Es 中一个分片一般设置多大

当集群为red或者yellow的时候怎么办

如何cancel掉慢查询

PageCache 在查询中的作用很大

禁用权限验证

支持的Client的类型

Es是否支持Spark和Hadoop来写入或者读取数据

JVM FULL GC 的几种情形

如何提升导入性能

集群配置问题

集群重启问题

禁用_field_names

导入数据发现越来越慢的几种情形

控制index在节点上的数量

控制索引的分片数量和副本数量

当集群处于恢复状态的时候，恢复速度可能会比较慢

磁盘满了之后如何恢复