跨可用区部署与运维

工作原理

跨可用区部署利用Elasticsearch内置的分片分配感知（Shard Allocation Awareness）机制。

创建跨可用区实例时，系统会自动为部署在不同可用区的节点添加名为zone_id的属性。同时，集群会配置cluster.routing.allocation.awareness.attributes: zone_id，告知Elasticsearch在分配分片时考虑此节点属性。

该机制确保索引的主分片和副本分片分散到不同可用区，当某个可用区整体不可用时，该可用区的所有分片副本都在其他可用区存有备份，保证数据冗余和服务可用性。

部署模式选择

根据业务的可用性要求和成本预算，选择合适的部署模式。

创建跨可用区实例

1. 访问创建阿里云Elasticsearch实例页面。

2. 在可用区数量配置项中，选择两个可用区或三个可用区。

   • 节点数量约束：数据节点、冷数据节点或协调节点的数量必须是所选可用区数量的整数倍，以确保节点均匀分配。

   • 专有主节点：为保证多可用区架构的稳定性，必须购买3个专有主节点。

   在控制台选择的可用区（例如可用区 A）将作为集群的主要访问入口。系统会根据各可用区的实时资源情况，将节点自动、均匀地部署到所选数量的可用区中（例如，若选择两个可用区，则可能部署在可用区 A 和 B）。

单可用区升级为多可用区（仅适用于V3部署架构集群）

1. 升级前，确认以下条件：

   • 执行GET _cluster/health 确保集群为状态为GREEN。如遇集群状态不健康，请参照集群变更报错-集群状态不健康进行解决。

   • 优化客户端连接分布，避免长连接集中在某个单可用区，导致高负载区节点资源耗尽、低负载区节点闲置。可通过设置连接有效时长、 分批重启客户端、使用单独的协调节点等方案优化连接分布，请参见集群负载不均问题的分析方法及解决方案。

   • 执行GET _cluster/settings确认结果为"cluster.routing.allocation.enable": "all" ，（即允许ES自动分配分片）。若结果不一致，执行以下命令强制开启分片自动分配。

     PUT _cluster/settings  
     {  
       "transient": {  
         "cluster.routing.allocation.enable": "all"  
       }  
     }  

2. 在实例列表，单击升配。

   

   更多操作入口：在基本信息页面，单击配置变更 > 集群升配

3. 在变配页面的可用区数量区域，选择两个可用区或三个可用区，并完成支付。

   • 升级过程中，系统会自动启用专有主节点（若尚未启用），并可能根据可用区数量增加数据节点，以满足节点均匀分布的要求。同时因新增节点（为满足节点数均分或启用的专有主节点），将增加相应费用，具体以账单为准。

   • 例如，一个有2个数据节点的单可用区实例升级为3可用区时，系统会自动补充1个数据节点，使总数达到3个，确保每个可用区分配1个。

迁移可用区

当需要对集群进行升配但当前可用区资源不足时，可将节点迁移至资源充足的新可用区后再进行升配。

1. 迁移前，确认以下条件：

   • 执行GET _cluster/health 确保集群为状态为GREEN。如遇集群状态不健康，请参照集群变更报错-集群状态不健康进行解决。

   • 执行GET /_cat/indices?v检查是否存在状态为CLOSE的索引。如果存在，需执行POST /<index_name>/_open临时打开这些索引，否则升级操作可能失败。存在CLOSE状态的索引时，集群状态无法达到GREEN。

   • 执行GET _cluster/settings确认结果为"cluster.routing.allocation.enable": "all" ，（即允许ES自动分配分片）。若结果不一致，执行以下命令强制开启分片自动分配。

     PUT _cluster/settings  
     {  
       "transient": {  
         "cluster.routing.allocation.enable": "all"  
       }  
     }  

2. 执行迁移操作：

   1. 进入目标实例的基本信息页面，在节点可视化区域，将鼠标悬停在待迁移的可用区上，单击迁移。

      

   2. 在弹出的对话框中，选择目标可用区和虚拟交换机。每次仅支持迁移单个可用区。

      

   3. 勾选数据迁移服务协议，单击确认。

      • 确认后，集群将重启，期间集群性能可能出现短暂波动。迁移过程中，系统将先在目标可用区购买新 Master节点，出现新旧可用区暂时共存。

      • 迁移完成后，集群即恢复正常，但控制台（实例信息/升降配页面）可能因更新延迟仍显示旧可用区，此显示不影响新可用区下集群使用，请注意节点 IP 会变更。

执行可用区故障切换（切流与恢复）

当监控到可用区故障时，通过切流将客户端流量切换到剩余可用区，待可用区恢复后，通过恢复操作将其重新纳入集群。

切流（隔离故障可用区）

1. 在实例的节点可视化区域，将鼠标悬停在待隔离的可用区上，单击切流。

   

2. 在弹出的对话框中，单击确认。

   

   重要

   可用区切流将隔离集群中位于被切流可用区的所有节点，切流后业务请求仅由剩余可用区的节点承担。系统会尝试为您在剩余可用区补充相应数量的资源，但受底层资源库存、调度并发度限制等多种因素影响，资源补足能力无法保证成功率，建议您结合集群负载情况及时进行业务限流等操作。

   如果切流前索引已配置副本，但切流完成后，集群状态显示为黄色（非健康状态），可通过Kibana连接集群执行以下命令临时覆盖分片分配策略（强制将被切流可用区的分片重新分配到剩余可用区）：

   PUT /_cluster/settings
   {
       "persistent" : {
           "cluster.routing.allocation.awareness.force.zone_id.values" : {"0": null, "1": null, "2": null}
       }
   }

   分片分配完成后，集群的健康状态将恢复为正常（绿色）。

恢复（重新纳入可用区）

1. 确认故障可用区恢复正常后，在实例的节点可视化区域，将鼠标悬停在已下线的可用区上，单击恢复。

2. 在弹出的对话框中，单击确认，集群将重启。恢复后，切流过程中临时补充的节点将被移除，集群架构复原。