AutoOps 让每个 Elasticsearch 部署的管理变得简单原创

大家好，我要给大家快速概述一下auto OS, 以及它如何有助于提升elastic search上的性能，进行故障排查并解决部署方面的问题。在这里我们有auto OS部署视图，在这个视图中，你可以看到该系统随时间推移检测到的各种事件，比如搜索缓慢事件和索引失败事件，还有其他一些有意思的事件，比如跨水未现事件等等。让我们来查看一个具体的事件。假设有人报告说平台运行缓慢，搜索性能迟缓。作为运维人员，我们可以利用out OS看到已经检测到在同一时段发生的长时间运行的搜索任务。例如，我们看到由10个任务。

运行了超过1分钟，其中耗时最长的一个任务运行了3分钟。每个任务都提供了详细信息，包括涉及的输入内容以及延迟增加的可能原因。在这种情况中，查询已经运行了一周，并且聚合技术明显很高。我们可以深入研究这个具体的查询，以了解如何对其进行优化。这里还有额外的跟踪信息，比如跟踪ID和日期，这些有助于追踪发起查询的应用程序和用户。而且在这里我们特别还有一个与之相关的T8内仪表盘。该任务包含更多事件具体细节，并且在末尾还提供了一些推荐的命令，比如取消查询，这可以作为一种快速解决问题的办法。现在让我们来看另一个有意思的场景。

当数据摄入缓慢且实时数据没有出现在集群中时，各种事件可以帮助确定原因。例如，系统会检测到队列中的索引数量很高，在这里我们看到队列大小攀升到了2000以上。Out OFS会突出显示导致这个问题的具体节点和索引。在这种情况中，我们会被引导至索引分片式，在那里我们可以查看具有高队列数量的具体索引和节点。我们可以看到这个特定的索引在该节点上承担了大部分的所有负债。缩小视图以查看更广泛的层级时，我们注意到索引分配情况是主索引分配到了食物。

5个节点副本索引也分配到了15个节点，增加额外的节点能够更有效的分担这一负载。回到这个事件，Autos建议对索引进行滚动更新，并添加更多主分片，这样在这种情况下可以改善拥堵状况。还有其他一些界面，比如向下钻取图和索引视图。在这些界面中，你可以根据索引速度、搜索速率和延迟手动对索引进行排序，并随时间追踪相关统计数据。我们的概述就到此为止了。还有很多其他事件我们尚未涉及，但希望你们喜欢我们所讲到的这些内容。