Elasticsearch 集群实战：分片分配不均衡问题排查 + 彻底解决方案

一、前言

在 Elasticsearch 集群运维中，分片不均衡是最常见、最影响性能的问题。
表现为：

• 有的节点磁盘爆满、CPU 高、查询慢
• 有的节点空闲、负载很低
• 集群整体性能上不去
• 热点节点频繁 GC、宕机风险高

本文从原因、排查、自动平衡、手动干预、永久根治五个维度，教你彻底解决分片不均衡，让集群负载均匀、性能拉满。

二、什么是分片不均衡？

2.1 定义

集群中各个数据节点的分片数量、数据大小、磁盘占用差异过大，导致节点负载不均匀。

2.2 典型现象

• Node1：100 个分片，磁盘 80%
• Node2：40 个分片，磁盘 30%
• Node3：30 个分片，磁盘 25%

三、分片不均衡带来的危害

1. 热点节点压力过大，查询/写入性能下降
2. 磁盘不均匀导致部分节点先写满
3. 集群无法水平扩展，加节点也没用
4. 容易引发OOM、节点掉线、集群变红

三、分片不均衡原因总览（流程图）

四、快速排查：查看分片是否均衡

4.1 查看各节点分片数量

GET _cat/shards?v

GET _cat/nodes?v&h=name,diskUsed,diskAvail

4.2 查看分片分配情况

GET _cluster/allocation/explain

可以直接看到为什么分片不能分配到某些节点。

五、解决方案 1：开启集群自动分片均衡（最简单）

5.1 启用集群自动平衡

PUT/_cluster/settings{"persistent":{"cluster.routing.rebalance.enable":"all","cluster.routing.allocation.balance.shard":"0.45f","cluster.routing.allocation.balance.index":"0.55f","cluster.routing.allocation.balance.threshold":"1.0f"}}

• all：允许所有类型分片自动平衡
• ES 会自动迁移分片到空闲节点

5.2 提高并发平衡速度（可选）

PUT_cluster/settings{"persistent":{"cluster.routing.allocation.cluster_concurrent_rebalance":5}}

六、解决方案 2：解除磁盘水位线限制（最常见原因）

分片无法分配，90% 是因为磁盘满了。

6.1 查看磁盘水位

GET _cat/allocation?v

6.2 调整磁盘水位（临时解决）

PUT_cluster/settings{"persistent":{"cluster.routing.allocation.disk.watermark.low":"80%","cluster.routing.allocation.disk.watermark.high":"85%","cluster.routing.allocation.disk.watermark.flood_stage":"90%"}}

6.3 解除只读模式

PUT_all/_settings{"index.blocks.read_only_allow_delete":null}

七、解决方案 3：取消强制分配规则（awareness 问题）

如果配置过awareness（机架/区域感知），会导致分片无法跨节点分配。

7.1 查看是否有强制分配规则

GET _cluster/settings

7.2 清空 awareness 配置

PUT/_cluster/settings{"persistent":{"cluster.routing.allocation.awareness.attributes":null}}

八、解决方案 4：手动移动分片（立刻见效）

如果自动平衡不生效，可以手动指定分片移动到目标节点。

8.1 手动移动分片命令

POST/_cluster/reroute{"commands":[{"move":{"index":"test_index","shard":0,"from_node":"node-1","to_node":"node-2"}}]}

✅立即生效，负载立刻均衡

九、解决方案 5：解决索引分片倾斜（大分片问题）

有些索引特别大，一个分片占 100GB，导致节点不均衡。

解决方案：

1. 拆分大索引（按天/按月拆分）
2. 使用rollover index
3. 新建索引使用更多分片
4. 避免单个分片超过50GB

十、解决方案 6：新加入节点不分配分片？

新节点加入后，默认会自动均衡。
如果没有平衡：

1. 检查是否是数据节点node.data: true
2. 检查磁盘空间
3. 执行手动刷新

POST/_cluster/reroute?retry_failed=true

十一、永久根治：最佳实践（从根源避免不均衡）

1. 所有节点配置相同（CPU、内存、磁盘、规格一致）
2. 单分片大小控制 30~50GB
3. 副本数统一
4. 关闭不必要的 awareness 规则
5. 自动平衡保持开启
6. 磁盘水位线合理设置
7. 定期查看分片分布_cat/shards

十二、分片不均衡问题处理流程（总结图）

十三、总结（最核心 5 条）

1. 不均衡 90% 是磁盘水位线限制
2. 自动平衡默认开启，保持 all 模式
3. 手动 move 分片可立即解决问题
4. 大分片会导致天然不均衡，必须拆分
5. 节点规格一致，才能真正均衡

一句话口诀：
磁盘水位先放开，自动平衡要打开；
手动迁移立刻好，大索引分片要拆开！