文档首页/ 云搜索服务 CSS/ 用户指南/ Elasticsearch/ 内核增强/ 配置失败分片自动重试
更新时间：2026-08-20 GMT+08:00
查看PDF
分享

配置失败分片自动重试

随着业务运行，Elasticsearch集群中的分片可能因节点负载高、集群触发熔断等原因分配失败。分片分配失败后系统会自动重试，但重试次数达到上限后，分片将永久保持未分配状态，不再尝试分配，导致相关索引的查询和写入请求无法正常执行。此后只能通过手动调用Reroute API（“/_cluster/reroute?retry_failed=true”）重试，这种方式不仅增加运维负担，且从故障发生到人工介入可能经历数小时甚至数天，导致临时性故障无法自愈。CSS服务提供失败分片自动重试功能，在分片分配失败次数超过上限后，自动按照指数退避策略周期性重试分配，无需人工干预即可实现故障自愈。

功能介绍

开启失败分片自动重试后，分片分配失败次数达到重试上限（该上限由“index.allocation.max_retries”控制，默认值为5）的分片将由系统自动重试。重试行为如下：

  1. 以基础间隔开始自动重试。
  2. 重试成功则清理该分片的跟踪状态；重试失败则退避时间翻倍，等待下次重试。
  3. 退避时间增长到设定的最大间隔后，不再继续增大，后续按最大间隔重试。
  4. 系统按轮询间隔周期检查是否存在需要重试的失败分片，存在则触发一次重试。
表1 指数退避策略示例（基础间隔为1m，最大间隔为120m）

重试次数

退避时间

说明

0

1m

首次发现，等待基础间隔后放行。

1

2m

第1次重试失败，退避翻倍。

2

4m

第2次重试失败。

3

8m

第3次重试失败。

4

16m

第4次重试失败。

...

...

持续翻倍，直到达到最大间隔。

N

120m

达到最大间隔上限，持续以最大间隔重试。

约束限制

仅当Elasticsearch集群版本号为7.10.2，且镜像版本号不低于7.10.2_26.6.0_xxx时，才支持失败分片自动重试功能。满足条件的集群默认启用该功能。

登录Kibana

登录Kibana进入命令执行页面。Elasticsearch集群支持多种客户端访问，本文仅以CSS服务集成的Kibana为例介绍配置指导。

  1. 登录云搜索服务管理控制台。
  2. 在左侧导航栏，选择“集群管理 > Elasticsearch”。
  3. 在集群列表，选择目标集群，单击操作列的“Kibana”，登录Kibana。
  4. 在Kibana左侧导航栏选择“Dev Tools”，进入操作页面。

    控制台左侧是命令输入框，其右侧的三角形图标为执行按钮，右侧区域则显示执行结果。

配置失败分片自动重试参数

动态配置失败分片自动重试的相关参数，配置完成后立即生效。

  1. 开启或关闭失败分片自动重试功能。 
    PUT _cluster/settings
{
  "persistent": {
    "cluster.routing.allocation.retry_failed.auto_enabled": true
  }
}
    表2 自动重试开关的参数说明

    参数

    类型

    默认值

    说明

    cluster.routing.allocation.retry_failed.auto_enabled

    Boolean

    true

    失败分片自动重试功能开关。

    取值范围：

    • true：开启自动重试功能。
    • false：关闭自动重试功能。关闭后，分配失败次数超过上限的分片将永久保持未分配状态，需要手动调用Reroute API重试，可能导致业务长时间中断。建议仅在确认集群无需自动恢复时关闭此功能。
  2. 配置自动重试的退避策略参数，控制重试的时间间隔和频率。 
    PUT _cluster/settings
{
  "persistent": {
    "cluster.routing.allocation.retry_failed.auto_base_delay": "1m",
    "cluster.routing.allocation.retry_failed.auto_max_delay": "120m",
    "cluster.routing.allocation.retry_failed.auto_poll_interval": "5m"
  }
}
    表3 退避策略的参数说明

    参数

    类型

    默认值

    说明

    cluster.routing.allocation.retry_failed.auto_base_delay

    TimeValue

    1m

    退避策略的基础间隔。首次重试的等待时间，之后每次重试失败退避时间翻倍。

    取值范围：1m~1440m

    取值格式：数字+单位，单位支持ms（毫秒）、s（秒）、m（分钟）、h（小时）、d（天）。

    cluster.routing.allocation.retry_failed.auto_max_delay

    TimeValue

    120m

    退避策略的最大间隔。重试间隔增长到此值后不再增大，防止退避时间无限增长。

    取值范围：1m~1440m

    取值格式：数字+单位，单位支持ms（毫秒）、s（秒）、m（分钟）、h（小时）、d（天）。

    cluster.routing.allocation.retry_failed.auto_poll_interval

    TimeValue

    5m

    周期轮询间隔。兜底检测超过重试上限的分片，避免集群状态稳定时遗漏。

    取值范围：1m~1440m

    取值格式：数字+单位，单位支持ms（毫秒）、s（秒）、m（分钟）、h（小时）、d（天）。

    建议保持默认值。如果将参数值调小，会增加轮询频率，可能对集群性能产生轻微影响；如果将参数值调大，可能延迟发现需要重试的分片。
  3. （可选）验证配置是否生效，查询当前集群的失败分片自动重试配置。 
    GET _cluster/settings?filter_path=**.retry_failed.auto_*

    返回结果中包含已配置的参数值，且参数值与配置值一致，则表示配置已生效。

常见问题

  • 问题1：关闭失败分片自动重试后，如何手动重试失败的分片？

    关闭自动重试功能后，可通过调用Reroute API手动重试失败的分片，命令如下：

    POST /_cluster/reroute?retry_failed=true
  • 问题2：失败分片自动重试是否会影响正在运行的分片分配？

    不会。自动重试仅对分配失败次数超过“index.allocation.max_retries”且处于未分配状态的分片执行分配，不会触发Move和Balance操作，对正在运行的分片分配无影响。

父主题： 内核增强

相关文档