【Elasticsearch】_cluster/health 和 _cat/nodes 命令详解

_cluster/health 和 _cat/nodes 命令详解

• 1.集群健康状态（_cluster/health）
• • 1.1 参数详解
  • • 1.1.1 基础信息
    • 1.1.2 节点与分片状态
    • 1.1.3 分片分配状态
    • 1.1.4 集群任务与负载
  • 1.2 健康状态分析示例
  • 1.3 关键监控建议
• 2.节点各项指标（_cat/nodes）
• • 2.1 参数详解
  • • 2.1.1 基础信息列
    • 2.1.2 资源使用率列
    • 2.1.3 系统负载列
    • 2.1.4 节点角色列
  • 2.2 其他隐含重要信息
  • 2.3 关键监控建议

1.集群健康状态（_cluster/health）

1.1 参数详解

GET _cluster/health

以下是 GET _cluster/health 返回参数的具体含义解析。

1.1.1 基础信息

参数 含义 补充说明 cluster_name 集群名称 示例中的集群名为 es-xxx status 集群健康状态 green：所有主分片和副本分片正常；yellow：主分片正常，副本分片未全部分配；red：有主分片未分配 timed_out 请求是否超时 false 表示本次查询未超时

1.1.2 节点与分片状态

参数 含义 补充说明 number_of_nodes 集群总节点数 当前为 $3$，包括所有角色节点（数据/主/协调节点） number_of_data_nodes 数据节点数量 当前为 $3$，仅处理数据的节点 active_primary_shards 活跃的主分片数 当前为 $15$，表示所有索引的主分片均已分配并可用 active_shards 活跃的总分片数 当前为 $31$（含主分片+副本分片），说明副本分片数为 31-15=16 active_shards_percent_as_number 活跃分片百分比 $100\%$ 表示所有分片（主+副本）均正常

1.1.3 分片分配状态

参数 含义 补充说明 relocating_shards 正在迁移的分片数 $0$ 表示无分片在节点间迁移（通常因节点下线或平衡触发） initializing_shards 初始化中的分片数 $0$ 表示无新分片在创建或恢复（否则可能因重启或索引新建） unassigned_shards 未分配的分片数 $0$ 表示无分片因磁盘不足、分配规则等滞留未分配 delayed_unassigned_shards 延迟未分配的分片数 $0$ 表示无因 index.unassigned.node_left.delayed_timeout 设置而延迟分配的分片

1.1.4 集群任务与负载

参数 含义 补充说明 number_of_pending_tasks 待处理集群级任务数 $0$ 表示主节点无积压任务（如分片分配、模板更新） number_of_in_flight_fetch 正在进行的分片数据同步数 $0$ 表示无节点间数据同步（主副分片同步） task_max_waiting_in_queue_millis 任务队列最长等待时间（毫秒） $0$ 表示无任务积压（若持续 $>0$ 可能主节点过载）

1.2 健康状态分析示例

• 绿色状态：所有分片（主+副本）均已分配，无迁移或初始化任务。
• 潜在问题：
  • 若 active_shards_percent_as_number $<100\%$，需检查 unassigned_shards 原因。
  • relocating_shards $>0$ 时可能因节点下线触发再平衡，短暂影响性能。
  • pending_tasks 持续增加可能表明主节点处理能力不足。

1.3 关键监控建议

• 重点关注：status、unassigned_shards、relocating_shards。
• 告警阈值：
  • status 变为 yellow / red 立即告警。
  • unassigned_shards $>0$ 持续 $5$ 分钟需介入。
• 扩展检查：若发现异常，可结合 GET _cat/shards?v 查看具体未分配分片的索引和节点。

2.节点各项指标（_cat/nodes）

GET _cat/nodes?v

以下是 GET _cat/nodes?v 命令返回的各列参数的含义详解。

2.1 参数详解

2.1.1 基础信息列

列名 含义 示例值解析 ip 节点 IP 地址 192.168.1.62 表示节点的网络地址 name 节点名称 节点唯一标识

2.1.2 资源使用率列

列名 含义 健康阈值 计算方式 heap.percent JVM 堆内存使用百分比 $\ge 75\%$ 需关注 已用堆内存 / 最大堆内存(Xmx) ram.percent 机器总内存使用率 $\ge 85\%$ 需关注 (总内存 - 可用内存) / 总内存 cpu CPU 使用率（瞬时值） $\ge 70\%$ 持续需关注 当前 CPU 时间片的占用百分比

2.1.3 系统负载列

列名 含义 健康解读 load_1m $1$ 分钟平均负载 理想值 $\le$ CPU 核数 load_5m $5$ 分钟平均负载 持续高值表明系统压力 load_15m $15$ 分钟平均负载 长期高负载需扩容

分析：示例中所有节点负载接近 $0$，说明集群空闲。若负载值为 $4$（且 CPU 为 $8$ 核），则利用率约 $50\%$。

2.1.4 节点角色列

列名 含义 角色缩写解析 node.role 节点角色组合 dimr 是缩写。d：数据节点；i：$ingest$ 节点；m：主节点候选；r：协调节点 master 是否是当前主节点 * 表示该节点是主节点（示例中 192.168.1.63 是主节点）

2.2 其他隐含重要信息

• 节点角色组合规则
  • 纯数据节点：d
  • 主 + 数据节点：dimr
  • 专用主节点：m（不应有数据）
• JVM 堆内存异常
  • 示例中 heap.percent 在 $32\%-47\%$之间，若持续接近 $75\%$ 需调整 JVM 参数或排查内存泄漏。
• CPU 使用率为 0 的问题
  • 可能原因：
    • 集群空闲
    • 监控周期恰逢 CPU 空闲
  • 需结合 load_ 指标综合判断。

2.3 关键监控建议

• 重点关注
  • ram.percent 和 heap.percent 的差值（差值大说明堆外内存使用高）。
  • 主节点标识 * 的位置（确保主节点不过载）。
• 异常场景

  # 危险信号示例：ip  heap.percent ram.percent cpu load_15m node.role master name192.168.1.64 95 98 100 10.0 dimr * node-1

  问题：堆内存将满、CPU 打满、系统过载，主节点可能崩溃。

• 扩展命令

  // 查看更详细的资源统计GET _nodes/stats?filter_path=nodes.*.name,nodes.*.jvm.mem,nodes.*.os.cpu