# 智能诊断
在日常的运维工作中，运维人员需要定期对Elasticsearch集群进行健康检查，以确保业务的稳定运行。然而，传统的手动检查方式不仅耗时耗力，而且容易遗漏关键问题，导致业务长期受到影响。为了解决这一问题，CSS服务提供了智能运维功能，支持定时和手动诊断，涵盖多项关键检测项，如数据节点磁盘使用率检测、集群健康状态检测、节点CPU利用率检测等。通过这些检测，运维人员可以及时发现并处理潜在的风险点，提高集群的可靠性和可用性。此外，智能运维功能默认保留最新报告，确保用户可以随时查看最新的诊断结果，还支持导出报告，方便进一步分析和存档。
#### 约束限制
- 当集群处于以下"集群状态"时，不支持启用智能诊断功能：集群冻结、集群创建中、创建失败。
- 当有正在进行中的诊断任务时，不允许重复下发执行手动诊断。
- 当集群处于变更过程中（如扩容、缩容、规格变更等），智能检测结果可能不准确，建议在变更完成后重新执行诊断任务。
- 使用智能诊断功能时默认允许系统读取集群及数据配置类相关信息，以进行诊断分析。
 
#### 诊断模式选型
智能诊断包括定时诊断和手动诊断两种模式。在执行诊断前，请根据业务场景选择合适的诊断模式。
表1诊断模式对比 
| 对比维度 | 定时诊断                                                                                                                                                                                                                                                             | 手动诊断                                                                                                                                                                                                                                                       |
|:---|:---|:---|
| 触发方式 | 每日定时自动执行。                                                                                                                                                                                                                                                        | 用户主动触发，即时执行。                                                                                                                                                                                                                                               |
| 适用场景 | 日常巡检、建立健康基线、长期趋势观察。                                                                                                                                                                                                                                              | 集群出现异常时快速定位问题、变更前后验证集群状态。                                                                                                                                                                                                                                  |
| 推荐人群 | 运维团队（日常保障）。                                                                                                                                                                                                                                                      | 研发/运维人员（故障排查）。                                                                                                                                                                                                                                             |
| 诊断类型 | - 全量检测  - 集群不可用检测   | - 全量检测  - 集群不可用检测   |
   
#### 配置定时诊断
设置每日自动执行诊断任务，无需人工介入，持续监测集群健康风险。
1. 登录[云搜索服务管理控制台](https://console.huaweicloud.com/elasticsearch/)。
2. 在左侧导航栏，选择"集群管理 \> Elasticsearch"。
3. 在集群列表，单击目标集群名称，进入集群详情页。
4. 选择"智能运维 \> 智能诊断"。
5. 在智能诊断页面，单击"开启定时诊断"，在对话框中配置定时任务。
   表2开启定时诊断 
   | 参数   | 说明                                                                                                                                                                                                                                                                                                                                                                                       |
   |:---|:---|
   | 诊断类型 | 选择诊断类型。 - 全量检测：全量检测项，支持全选或只选择部分检测项进行检测。  - 集群不可用检测：集群不可用时，使用该诊断类型可以快速诊断集群健康状态。           |
   | 诊断项  | 选择需要定时检测的诊断项。 - 当"诊断类型"选择"全量检测"时，支持自定义定时检测的诊断项。  - 当"诊断类型"选择"集群不可用检测"时，默认检测集群不可用分类的检测项。   |
   | 时区   | 选择诊断时间对应的时区，基于此时区选择定时诊断的开始时间。                                                                                                                                                                                                                                                                                                                                                            |
   | 诊断时间 | 选择每日自动执行智能诊断的时间点。                                                                                                                                                                                                                                                                                                                                                                        |
      
   
6. 配置完成后，单击"确定"，保存定时诊断任务。 配置成功后，智能诊断页面会显示定时任务信息，且每日定时诊断报告将自动呈现在下方或"历史报告"中。
   图1查看定时诊断任务   
   ![](https://support.huaweicloud.com/usermanual-css/figure/zh-cn_image_0000002492770804.png "点击放大")
   报告中显示高风险项、中风险项、正常项和提示项，及其各检测项的结果和优化建议，优先处理高风险项和中风险项。
   
7. 在智能诊断页面，管理定时诊断任务，包括修改和关闭定时诊断任务。
   - 修改定时诊断任务：单击"修改配置"，在修改定时诊断的对话框中，修改配置，单击"确定"，更新定时诊断策略。
   
   - 关闭定时诊断任务：单击"关闭定时诊断"，在弹窗中单击"确定"，关闭定时诊断。此时，智能诊断页面的定时任务信息将被删除。
    
 
#### 执行手动诊断
在集群出现异常或变更操作完成后，立即触发一次诊断，快速定位问题或验证集群状态。
1. 登录[云搜索服务管理控制台](https://console.huaweicloud.com/elasticsearch/)。
2. 在左侧导航栏，选择"集群管理 \> Elasticsearch"。
3. 在集群列表，单击目标集群名称，进入集群详情页。
4. 选择"智能运维 \> 智能诊断"。
5. 在智能诊断页面，配置诊断任务，单击"开启诊断"，启动即时诊断任务。
   图2手动诊断   
   ![](https://support.huaweicloud.com/usermanual-css/figure/zh-cn_image_0000002492610824.png "点击放大")
   表3手动诊断 
   | 参数   | 说明                                                                                                                                                                                                                                                                                                                                                                                   |
   |:---|:---|
   | 诊断类型 | 选择诊断类型。 - 全量检测：全量检测项，支持全选或只选择部分检测项进行检测。  - 集群不可用检测：集群不可用时，使用该诊断类型可以快速诊断集群健康状态。       |
   | 诊断项  | 选择当前需要检测的诊断项。 - 当"诊断类型"选择"全量检测"时，支持自定义待检测的诊断项。  - 当"诊断类型"选择"集群不可用检测"时，默认检测集群不可用分类的检测项。   |
      
   
6. 等待1\~3分钟，检测完成后，下方会直接呈现诊断报告。 报告中显示高风险项、中风险项、正常项和提示项，及其各检测项的结果和优化建议，优先处理高风险项和中风险项。
   
7. 单击"导出报告"，将诊断报告保存到本地，便于进一步分析、故障定位或存档留证。
 
#### 查看历史报告
回溯历史诊断结果，对比不同时间段的集群健康趋势，辅助容量规划与问题复盘。
![](https://support.huaweicloud.com/usermanual-css/public_sys-resources/caution_3.0-zh-cn.png)
历史报告最多保留最近10条记录（定时诊断和手动诊断共享该配额）。超出上限后，最旧的报告将被自动清理，重要报告请及时导出留存。
1. 登录[云搜索服务管理控制台](https://console.huaweicloud.com/elasticsearch/)。
2. 在左侧导航栏，选择"集群管理 \> Elasticsearch"。
3. 在集群列表，单击目标集群名称，进入集群详情页。
4. 选择"智能运维 \> 历史报告"。
5. 在历史报告页面，选择创建时间以筛选特定时间段的历史诊断报告，查看历史诊断报告。
   图3选择历史报告   
   ![](https://support.huaweicloud.com/usermanual-css/figure/zh-cn_image_0000002492770800.png "点击放大") 
6. 单击右侧的"导出报告"，可以将当前历史报告保存到本地。
 
#### 诊断项说明
如[表4]所示列举了智能运维支持的诊断项。
 表4诊断项说明 
| 序号 | 诊断项名称              | 检测说明                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                   |
|:---|:---|:---|
| 1  | 数据节点磁盘使用率检测        | 检测集群中磁盘使用率最高的数据节点（含冷数据节点），节点磁盘使用率过高将影响集群稳定性。 - 高风险：达到85%时，该节点无法分配新索引的副本。  - 中风险：超过80%时建议立即处理，避免达到故障阈值。                                                                                                                                                                                      |
| 2  | 数据节点磁盘均衡检测         | 分别检测数据节点和冷数据节点的磁盘使用均衡性，节点间磁盘使用率差异过大会导致负载不均。 - 高风险：节点间磁盘使用率最大差值 ≥ 40%  - 中风险：25% ≤ 节点间磁盘使用率最大差值 \< 40%                                                                                                                                                                                      |
| 3  | 大分片分配均衡检测          | 检测可能导致集群负载不均衡的大索引分片。 - 高风险：分片存储 ≥ 50GB 且索引仅1个主分片。  - 中风险：分片存储 ≥ 50GB 且主分片数不能被数据节点/冷数据节点整除。                                                                                                                                                                                               |
| 4  | 集群节点配置检测           | 检测集群节点配置的高可用性。 - 单/双节点风险：不含独立Master节点的集群，数据节点（含冷数据节点）数至少需要3个，以保证单个节点故障时集群仍然可用。  - 主节点过载风险：数据节点 ≥ 10个时需配置独立Master节点，避免主节点负载过高。  - 单Client节点风险：集群仅含1个独立Client节点，可能导致单个Client节点故障后集群无法连接。   |
| 5  | 集群健康状态检测           | 检测集群索引的整体健康状态。 - 高风险：red，存在未分配的主分片（部分索引不可用）。  - 中风险：yellow，主分片正常但副本分片缺失（高可用性降低）。  - 正常：green，所有主/副本分片正常分配。                                                                                  |
| 6  | 节点最大分片数检测          | 检测各个节点当前分配的分片数，防止因分片过多超过限制值（cluster.max_shards_per_node）导致分片无法分配。 - 高风险：节点已分配分片数的最大值 ≥ 节点分片限制的90%  - 中风险：节点分片限制的85% ≤ 节点已分配分片数的最大值 \< 节点分片限制的90%                                                                                                                                     |
| 7  | 超大分片检测             | 检测集群中存储容量 ≥ 100GB的分片。分片过大会导致查询延迟增加和故障恢复时间延长，建议单分片容量控制在50GB内。 - 高风险：最大分片 ≥ 500GB  - 中风险：100GB ≤ 最大分片 \< 500GB                                                                                                                                                                               |
| 8  | 热索引读写检测（间隔一分钟）     | 检测最近一分钟内集群查询与写入量最多的索引，降序展示Top10结果。同步检测Top10索引的主分片数是否能被数据节点数或冷数据节点数整除，避免负载不均。                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                           |
| 9  | 失联节点检测             | 检测集群节点连通状态，节点失联会严重影响集群性能，需优先处理。                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                        |
| 10 | 集群节点连接数均衡检测        | 检测Client节点（若无则检测数据节点）的9200端口连接数，按连接数降序展示节点连接信息。                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                        |
| 11 | 客户端连接检测（来源IP分析）    | 检测Client节点（若无则检测数据节点）的9200端口连接，按连接数降序展示所有外部来源IP及Top10连接详情。                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                             |
| 12 | 节点CPU利用率检测（间隔一分钟）  | 对所有节点采样两次CPU利用率（间隔1分钟），计算每个节点的平均CPU利用率，用于评估节点负载状态。 - 高风险：平均CPU利用率 ≥ 90% 或数据获取失败  - 中风险：80% ≤ 平均CPU利用率 \< 90%                                                                                                                                                                           |
| 13 | JVM堆内存使用率检测（间隔一分钟） | 对所有节点采样两次JVM堆内存使用率（间隔1分钟），计算每个节点的平均JVM堆内存使用率，用于评估节点负载状态。 - 高风险：平均JVM堆内存使用率 ≥ 90% 或数据获取失败  - 中风险：80% ≤ 平均JVM堆内存使用率 \< 90%                                                                                                                                                              |
| 14 | 本地盘集群副本检测          | 检测本地盘集群中未设置副本的索引，预防节点磁盘故障导致数据丢失。                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                       |