学习Elasticsearch有一段时间了，参考网上的一些资料，对于Elasticsearch集群状态一些重要监控指标数据在此进行小结，以加深理解。
Elasticsearch集群监控状态指标分三个级别
- 集群级别：集群级别的监控主要是针对整个Elasticsearch集群来说，包括集群的健康状况、集群的状态等。
- 节点级别：节点级别的监控主要是针对每个Elasticsearch实例的监控，其中包括每个实例的查询索引指标和物理资源使用指标。
- 索引级别：索引级别的监控主要是针对每个索引来说，主要包括每个索引的性能指标。
一、集群级别
1. 查看集群健康状态 (GET _cluster/health)
[root@elk-node01 ~]# curl -X GET 'http://10.0.8.47:9200/_cluster/health?pretty'
{
"cluster_name" : "kevin-elk",
"status" : "green",
"timed_out" : false,
"number_of_nodes" : 3,
"number_of_data_nodes" : 3,
"active_primary_shards" : 2234,
"active_shards" : 4468,
"relocating_shards" : 0,
"initializing_shards" : 0,
"unassigned_shards" : 0,
"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" : 100.0
}
关键指标说明
status：集群状态，分为green、yellow和red。
number_of_nodes/number_of_data_nodes：集群的节点数和数据节点数。
active_primary_shards：集群中所有活跃的主分片数。
active_shards：集群中所有活跃的分片数。
relocating_shards：当前节点迁往其他节点的分片数量，通常为0，当有节点加入或者退出时该值会增加。
initializing_shards：正在初始化的分片。
unassigned_shards：未分配的分片数，通常为0，当有某个节点的副本分片丢失该值就会增加。
number_of_pending_tasks：是指主节点创建索引并分配shards等任务，如果该指标数值一直未减小代表集群存在不稳定因素
active_shards_percent_as_number：集群分片健康度，活跃分片数占总分片数比例。
number_of_pending_tasks：pending task只能由主节点来进行处理，这些任务包括创建索引并将shards分配给节点。
2. 查看集群状态信息 (GET _cluster/stats?pretty)
#集群状态信息 ，整个集群的一些统计信息，例如文档数、分片数、资源使用情况等信息，从这个接口基本能够获取到集群所有关键指标项.
[root@elk-node01 ~]# curl -X GET 'http://10.0.8.47:9200/_cluster/stats?pretty' ............. 出来的信息很多，这里省略
关键指标说明
indices.count：索引总数。
indices.shards.total：分片总数。
indices.shards.primaries：主分片数量。
docs.count：文档总数。
store.size_in_bytes：数据总存储容量。
segments.count：段总数。
nodes.count.total：总节点数。
nodes.count.data：数据节点数。
nodes. process. cpu.percent：节点CPU使用率。
fs.total_in_bytes：文件系统使用总容量。
fs.free_in_bytes：文件系统剩余总容量。
二、节点级别
节点监控, 即node线程组状态 (GET _nodes/stats/thread_pool?pretty)
[root@elk-node01 ~]# curl -X GET 'http://10.0.8.47:9200/stats/thread_pool?pretty
输出信息较多部分省略
.................
.................
"indices": {
"docs": {
"count": 8111612, # 显示节点上有多少文档
"deleted": 16604 # 有多少已删除的文档还未从数据段中删除
},
"store": {
"size_in_bytes": 2959876263 # 显示该节点消耗了多少物理存储
},
"indexing": { #表示索引文档的次数，这个是通过一个计数器累加计数的。当文档被删除时，它不会减少。注意这个值永远是递增的，发生在内部索引数据的时候，包括那些更新操作
"index_total": 17703152,
"is_throttled": false,
"throttle_time_in_millis": 0 # 这个值高的时候，说明磁盘流量设置太低
},
.................
.................
},
"search": {
"open_contexts": 0, # 主动检索的次数，
"query_total": 495447, # 查询总数
"query_time_in_millis": 298344, # 节点启动到此查询消耗总时间， query_time_in_millis / query_total的比值可以作为你的查询效率的粗略指标。比值越大，每个查询用的时间越多，你就需要考虑调整或者优化。
"query_current": 0,
#后面关于fetch的统计，是描述了查询的第二个过程（也就是query_the_fetch里的fetch)。fetch花的时间比query的越多，表示你的磁盘很慢，或者你要fetch的的文档太多。或者你的查询参数分页条件太大，（例如size等于1万
"fetch_total": 130194,
"suggest_current": 0
},
"merges": { # 包含lucene段合并的信息，它会告诉你有多少段合并正在进行，参与的文档数，这些正在合并的段的总大小，以及花在merge上的总时间。
如果你的集群写入比较多，这个merge的统计信息就很重要。merge操作会消耗大量的磁盘io和cpu资源。如果你的索引写入很多，你会看到大量的merge操作
.................
.................
},
"fielddata": { #显示了fielddata使用的内存，fielddata用于聚合、排序等。这里也有一个淘汰数，不像filter_cache，这里的淘汰数很有用，它必须是0或者接近0，因为fielddata 不是缓存，任何淘汰的代价都是很大的，必须要避免的。如果你看到了淘汰，你必须重新评估你的内存情况，关于fielddata的限制，以及查询，或者三者全部。
.................
.................
},
"segments": { 告诉你当前节点的lucene 段的个数，这可能是一个很重要的数字。大多数的索引应该在50到150个段左右，即便是几T大小的数十亿的文档。大量的段会带来合并的问题（例如：合并赶不上段的产生）。注意这个统计是对一个节点上所有的索引而言的
其中内存的统计，可以告诉你Lucene的段自身需要多少内存。这里包括基础的数据结构，包括提交列表，词典，bloom过滤器等。段的数量多会增加承载这些数据结构的开销，这个内存的使用就是对这个开销的度量。
关键指标说明
indices.docs.count：索引文档数。
segments.count：段总数。
jvm.heap_used_percent：内存使用百分比。
thread_pool.{bulk, index, get, search}.{active, queue, rejected}：线程池的一些信息，包括bulk、index、get和search线程池，主要指标有active（激活）线程数，线程queue（队列）数和rejected（拒绝）线程数量。
以下一些指标是一个累加值，当节点重启之后会清零
indices.indexing.index_total：索引文档数。
indices.indexing.index_time_in_millis：索引总耗时。
indices.get.total：get请求数。
indices.get.time_in_millis：get请求总耗时。
indices.search.query_total：search总请求数。
indices.search.query_time_in_millis：search请求总耗时。
indices.search.fetch_total：fetch操作总数量，即提取总数。
indices.search.fetch_time_in_millis：fetch请求总耗时，即花费在提取上的总时间。
jvm.gc.collectors.young.collection_count：年轻代垃圾回收次数。
jvm.gc.collectors.young.collection_time_in_millis：年轻代垃圾回收总耗时。
jvm.gc.collectors.old.collection_count：老年代垃圾回收次数。
jvm.gc.collectors.old.collection_time_in_millis：老年代垃圾回收总耗时。
三、索引级别
可以查看所有index的相关信息 (GET _stats)
[root@elk-node01 ~]# curl -X GET 'http://10.0.8.47:9200/_stats ............. 输出信息较多，此处省略
关键指标说明
indexname.primaries.docs.count：索引文档数量。
以下一些指标是一个累加值，当节点重启之后会清零
indexname.primaries.indexing.index_total：索引文档数，即索引的总文件数。
indexname.primaries.indexing.index_time_in_millis：索引总耗时，即索引文档的总时间数。
indexname.primaries.get.total：get请求数。
indexname.primaries.get.time_in_millis：get请求总耗时。
indexname.primaries.search.query_total：search总请求数。
indexname.primaries.search.query_time_in_millis：search请求总耗时。indices.search.fetch_total：fetch操作总数量。
indexname.primaries.search.fetch_time_in_millis：fetch请求总耗时。
indexname.primaries.refresh.total：refresh请求总量。
indexname.primaries.refresh.total_time_in_millis：refresh请求总耗时。
indexname.primaries.flush.total：flush请求总量。
indexname.primaries.flush.total_time_in_millis：flush请求总耗时。
Prometheus+Elasticsearch+Grafana环境里ES的监控指标
- 简单安装elasticsearch
[root@elk-node1 ~]# wget https://github.com/justwatchcom/elasticsearch_exporter/releases/download/v1.0.4rc1/elasticsearch_exporter-1.0.4rc1.linux-amd64.tar.gz [root@elk-node1 ~]# tar zxvf elasticsearch_exporter-1.0.4rc1.linux-amd64.tar.gz [root@elk-node1 ~]# cd elasticsearch_exporter [root@elk-node1 ~]# cp elasticsearch_exporter /usr/local/bin [root@elk-node1 ~]# /usr/local/bin/elasticsearch_exporter --web.listen-address "0.0.0.0:9109" --es.uri http://elastic:changeme@localhost:9201 [root@elk-node1 ~]# curl localhost:9109/metrics
- 配置Prometheus
- job_name: 'elasticsearch'
file_sd_configs:
- refresh_interval: 1m
files:
- ./conf.d/es*.json
- 配置consul或etcd自动发现(这里省略)
- 监控指标解析
####################### 搜索和索引性能 ##########################
elasticsearch_indices_search_query_total
查询总数（吞吐量）
elasticsearch_indices_search_query_time_seconds
查询总时间（性能）
elasticsearch_indices_search_fetch_total
提取总数
elasticsearch_indices_search_fetch_time_seconds
花费在提取上的总时间
######################## 索引请求 ##############################
elasticsearch_indices_indexing_index_total
索引的文件总数
elasticsearch_indices_indexing_index_time_seconds_total
索引文档总时间
elasticsearch_indices_indexing_delete_total
索引的文件删除总数
elasticsearch_indices_indexing_delete_time_seconds_total
索引的文件删除总时间
elasticsearch_indices_refresh_total
索引刷新总数
elasticsearch_indices_refresh_time_seconds_total
刷新指数的总时间
elasticsearch_indices_flush_total
索引刷新总数到磁盘
elasticsearch_indices_flush_time_seconds
将索引刷新到磁盘上的总时间 累计flush时间
######################## JVM内存和垃圾回收 ######################
elasticsearch_jvm_gc_collection_seconds_sum
GC run time in seconds垃圾回收时间
elasticsearch_jvm_gc_collection_seconds_count
Count of JVM GC runs垃圾搜集数
elasticsearch_jvm_memory_committed_bytes
JVM memory currently committed by area最大使用内存限制
elasticsearch_jvm_memory_max_bytes
配置的最大jvm值
elasticsearch_jvm_memory_pool_max_bytes
JVM内存最大池数
elasticsearch_jvm_memory_pool_peak_max_bytes
最大的JVM内存峰值
elasticsearch_jvm_memory_pool_peak_used_bytes
池使用的JVM内存峰值
elasticsearch_jvm_memory_pool_used_bytes
目前使用的JVM内存池
elasticsearch_jvm_memory_used_bytes
JVM memory currently used by area 内存使用量
####################### 集群健康和节点可用性 ####################
elasticsearch_cluster_health_status
集群状态，green（ 所有的主分片和副本分片都正常运行）、yellow（所有的主分片都正常运行，但不是所有的副本分片都正常运行）red（有主分片没能正常运行）值为1的即为对应状态
elasticsearch_cluster_health_number_of_data_nodes
node节点的数量
elasticsearch_cluster_health_number_of_in_flight_fetch
正在进行的碎片信息请求的数量
elasticsearch_cluster_health_number_of_nodes
集群内所有的节点
elasticsearch_cluster_health_number_of_pending_tasks
尚未执行的集群级别更改
elasticsearch_cluster_health_initializing_shards
正在初始化的分片数
elasticsearch_cluster_health_unassigned_shards
未分配分片数
elasticsearch_cluster_health_active_primary_shards
活跃的主分片总数
elasticsearch_cluster_health_active_shards
活跃的分片总数（包括复制分片）
elasticsearch_cluster_health_relocating_shards
当前节点正在迁移到其他节点的分片数量，通常为0，集群中有节点新加入或者退出时该值会增加
########################### 资源饱和度 ###########################
elasticsearch_thread_pool_completed_count
线程池操作完成（bulk、index、search、force_merge）
elasticsearch_thread_pool_active_count
线程池线程活动（bulk、index、search、force_merge）
elasticsearch_thread_pool_largest_count
线程池最大线程数（bulk、index、search、force_merge）
elasticsearch_thread_pool_queue_count
线程池中的排队线程数（bulk、index、search、force_merge）
elasticsearch_thread_pool_rejected_count
线程池的被拒绝线程数（bulk、index、search、force_merge）
elasticsearch_indices_fielddata_memory_size_bytes
fielddata缓存的大小（字节）
elasticsearch_indices_fielddata_evictions
来自fielddata缓存的驱逐次数
elasticsearch_indices_filter_cache_evictions
来自过滤器缓存的驱逐次数（仅版本2.x）
elasticsearch_indices_filter_cache_memory_size_bytes
过滤器高速缓存的大小（字节）（仅版本2.x）
elasticsearch_cluster_health_number_of_pending_tasks
待处理任务数
elasticsearch_indices_get_time_seconds
elasticsearch_indices_get_missing_total
丢失的文件的GET请求总数
elasticsearch_indices_get_missing_time_seconds
花费在文档丢失的GET请求上的总时间
elasticsearch_indices_get_exists_time_seconds
elasticsearch_indices_get_exists_total
elasticsearch_indices_get_total
################### 主机级别的系统和网络指标 ####################
elasticsearch_process_cpu_percent
Percent CPU used by process CPU使用率
elasticsearch_filesystem_data_free_bytes
Free space on block device in bytes 磁盘可用空间
elasticsearch_process_open_files_count
Open file descriptors ES进程打开的文件描述符
elasticsearch_transport_rx_packets_total
Count of packets receivedES节点之间网络入流量
elasticsearch_transport_tx_packets_total
Count of packets sentES节点之间网络出流量
- 预警rules
groups:
- name: elasticsearchStatsAlert
rules:
- alert: Elastic_Cluster_Health_RED
expr: elasticsearch_cluster_health_status{color="red"}==1
for: 1m
labels:
severity: critical
annotations:
summary: "Instance {{ $labels.instance }}: not all primary and replica shards are allocated in elasticsearch cluster {{ $labels.cluster }}"
description: "Instance {{ $labels.instance }}: not all primary and replica shards are allocated in elasticsearch cluster {{ $labels.cluster }}."
- alert: Elastic_Cluster_Health_Yellow
expr: elasticsearch_cluster_health_status{color="yellow"}==1
for: 1m
labels:
severity: critical
annotations:
summary: " Instance {{ $labels.instance }}: not all primary and replica shards are allocated in elasticsearch cluster {{ $labels.cluster }}"
description: "Instance {{ $labels.instance }}: not all primary and replica shards are allocated in elasticsearch cluster {{ $labels.cluster }}."
- alert: Elasticsearch_JVM_Heap_Too_High
expr: elasticsearch_jvm_memory_used_bytes{area="heap"} / elasticsearch_jvm_memory_max_bytes{area="heap"} > 0.8
for: 1m
labels:
severity: critical
annotations:
summary: "ElasticSearch node {{ $labels.instance }} heap usage is high "
description: "The heap in {{ $labels.instance }} is over 80% for 15m."
- alert: Elasticsearch_health_up
expr: elasticsearch_cluster_health_up !=1
for: 1m
labels:
severity: critical
annotations:
summary: " ElasticSearch node: {{ $labels.instance }} last scrape of the ElasticSearch cluster health failed"
description: "ElasticSearch node: {{ $labels.instance }} last scrape of the ElasticSearch cluster health failed"
- alert: Elasticsearch_Too_Few_Nodes_Running
expr: elasticsearch_cluster_health_number_of_nodes < 12
for: 1m
labels:
severity: critical
annotations:
summary: "There are only {{$value}} < 12 ElasticSearch nodes running "
description: "lasticSearch running on less than 12 nodes(total 14)"
- alert: Elasticsearch_Count_of_JVM_GC_Runs
expr: rate(elasticsearch_jvm_gc_collection_seconds_count{}[5m])>5
for: 1m
labels:
severity: critical
annotations:
summary: "ElasticSearch node {{ $labels.instance }}: Count of JVM GC runs > 5 per sec and has a value of {{ $value }} "
description: "ElasticSearch node {{ $labels.instance }}: Count of JVM GC runs > 5 per sec and has a value of {{ $value }}"
- alert: Elasticsearch_GC_Run_Time
expr: rate(elasticsearch_jvm_gc_collection_seconds_sum[5m])>0.3
for: 1m
labels:
severity: critical
annotations:
summary: " ElasticSearch node {{ $labels.instance }}: GC run time in seconds > 0.3 sec and has a value of {{ $value }}"
description: "ElasticSearch node {{ $labels.instance }}: GC run time in seconds > 0.3 sec and has a value of {{ $value }}"
- alert: Elasticsearch_json_parse_failures
expr: elasticsearch_cluster_health_json_parse_failures>0
for: 1m
labels:
severity: critical
annotations:
summary: " ElasticSearch node {{ $labels.instance }}: json parse failures > 0 and has a value of {{ $value }}"
description: "ElasticSearch node {{ $labels.instance }}: json parse failures > 0 and has a value of {{ $value }}"
- alert: Elasticsearch_breakers_tripped
expr: rate(elasticsearch_breakers_tripped{}[5m])>0
for: 1m
labels:
severity: critical
annotations:
summary: " ElasticSearch node {{ $labels.instance }}: breakers tripped > 0 and has a value of {{ $value }}"
description: "ElasticSearch node {{ $labels.instance }}: breakers tripped > 0 and has a value of {{ $value }}"
- alert: Elasticsearch_health_timed_out
expr: elasticsearch_cluster_health_timed_out>0
for: 1m
labels:
severity: critical
annotations:
summary: " ElasticSearch node {{ $labels.instance }}: Number of cluster health checks timed out > 0 and has a value of {{ $value }}"
description: "ElasticSearch node {{ $labels.instance }}: Number of cluster health checks timed out > 0 and has a value of {{ $value }}"
- Prometheus 配置
rule_files: - /usr/local/prometheus/rules/es*.rules
- 最后可在Grafana 上通过Prometheus数据源进行监控图形展示