Amazon OpenSearch 服务的推荐 CloudWatch 警报

CloudWatch 当 CloudWatch 指标在一段时间内超过指定值时，警报会执行操作。例如，你可能想要 AWS 如果您的集群运行状况超过一分钟，red请通过电子邮件向您发送电子邮件。本节包括一些推荐的 Amazon S OpenSearch ervice 警报以及如何响应警报。

您可以使用自动部署这些警报 AWS CloudFormation。 有关示例堆栈，请参阅相关GitHub存储库。

注意

如果您部署 CloudFormation 堆栈，则KMSKeyError和KMSKeyInaccessible警报将处于某种Insufficient Data状态，因为这些指标仅在域名遇到加密密钥问题时才会出现。

有关配置警报的更多信息，请参阅亚马逊 CloudWatch 用户指南中的创建亚马逊 CloudWatch警报。

警报	问题
ClusterStatus.red 最大值 >= 1 达到 1 分钟，1 次连续时间	至少有一个主分片其及副本未分配给节点。请参阅 红色集群状态。
ClusterStatus.yellow 最大值 >= 1 持续 1 分钟，连续 5 次	至少有一个副本分片未分配给节点。请参阅 黄色集群状态。
FreeStorageSpace 最小值 <= 20480 达到 1 分钟，1 次连续时间	您的集群中的节点已降至 20GiB 的可用存储空间。请参阅 缺少可用存储空间。此值以 MiB 为单位，因此我们建议将其设置为每个节点的存储空间的 25%，而不是 20480。
ClusterIndexWritesBlocked 大于等于 1 达到 5 分钟，1 次连续时间	您的群集正在阻止写入请求。请参阅 ClusterBlockException。
Nodes 最小值 < x 达到 1 天，1 次连续时间	x 是您的集群中的节点数。此警报表示您的群集中至少有一个节点无法访问的时间已达到一天。请参阅 集群节点失败。
AutomatedSnapshotFailure 最大值 >= 1 达到 1 分钟，1 次连续时间	自动快照失败。此故障通常由红色群集运行状况导致。请参阅 红色集群状态。 有关所有自动快照的摘要和一些有关故障的信息，您也可以尝试以下操作： GET domain_endpoint/_snapshot/cs-automated/_all GET domain_endpoint/_snapshot/cs-automated-enc/_all
CPUUtilization 或 WarmCPUUtilization 最大值 >= 80% 达到 15 分钟，连续 3 次	有时可能会出现 100% 的CPU利用率，但是持续的高使用率是有问题的。考虑使用更大的实例类型或添加实例。
JVMMemoryPressure 最大值 >= 95% 达到 1 分钟，连续 3 次	如果使用量增加，群集可能会遇到内存不足错误。考虑垂直缩放。 OpenSearch 服务将一半的实例用RAM于 Java 堆，堆大小不超过 32 GiB。您可以将实例垂直扩展到 64 GiBRAM，此时您可以通过添加实例进行水平扩展。
OldGenJVMMemoryPressure 最大值 >= 80% 达到 1 分钟，连续 3 次
MasterCPUUtilization 最大值 >= 50% 达到 15 分钟，连续 3 次	考虑将更大的实例类型用于您的专用主节点。由于专用主节点在集群稳定性和蓝/绿部署中的作用，因此其CPU使用率应低于数据节点。
MasterJVMMemoryPressure 最大值 >= 95% 达到 1 分钟，连续 3 次
MasterOldGenJVMMemoryPressure 最大值 >= 80% 达到 1 分钟，连续 3 次
KMSKeyError >= 1 达到 1 分钟，1 次连续时间	这些区域有： AWS KMS 用于加密域中静态数据的加密密钥已禁用。重新启用它可恢复正常操作。有关更多信息，请参阅 为 Amazon OpenSearch 服务加密静态数据。
KMSKeyInaccessible >= 1 达到 1 分钟，1 次连续时间	这些区域有： AWS KMS 用于加密您域中静态数据的加密密钥已被删除或已撤销其对 OpenSearch 服务的授权。您无法恢复处于此状态的域。但如果您具有手动快照，则可以使用它迁移到新域。要了解更多信息，请参阅 为 Amazon OpenSearch 服务加密静态数据。
shards.active >= 30000 达到 1 分钟，1 次连续时间	活动主分区和副本分区的总数大于 30000。轮换索引的频率可能过于频繁。当索引达到特定年龄时，可以考虑使用ISM将其删除。
5xx 警报 >= OpenSearchRequests 的 10%	一个或多个数据节点可能会重载，或者请求无法在空闲超时期限内完成。请考虑切换为更大的实例类型，或向集群添加更多节点。请确认您遵循以下分区和集群架构最佳实践。
MasterReachableFromNode最大值为 < 1，持续 5 分钟，连续 1 次	此警报指示主节点已停止或无法访问。这些故障通常是由于网络连接问题或 AWS 依赖性问题。
ThreadpoolWriteQueue 平均值 >= 100 达到 1 分钟，1 次连续时间	集群正在经历高索引并发。请检查和控制索引请求，或增加集群资源。
ThreadpoolSearchQueue 平均值 >= 500 达到 1 分钟，1 次连续时间	集群正在经历高搜索并发。请考虑扩展集群。您也可以增加搜索队列大小，但过度增加搜索队列大小可能会导致出现内存不足错误。
ThreadpoolSearchQueue 最大值 >= 5000 达到 1 分钟，1 次连续时间
增量ThreadpoolSearchRejectedSUM为 >=1 {数学表达式 DIFF ()}，持续 1 分钟，连续 1 次	这些警报会通知您可能会影响性能和稳定性的域问题。
增量ThreadpoolWriteRejectedSUM为 >=1 {数学表达式 DIFF ()}，持续 1 分钟，连续 1 次

注意

如果您只是想查看指标，请参阅 使用 Amazon 监控 OpenSearch 集群指标 CloudWatch。

您可能会考虑的其他警报

考虑根据您经常使用的 OpenSearch 服务功能配置以下警报。

警报	问题
WarmFreeStorageSpace是 >= 10%	您已达到免费预热存储空间总量的 10%。 WarmFreeStorageSpace以 MiB 为单位测量可用暖存储空间的总和。 UltraWarm 使用 Amazon S3 而不是连接的磁盘。
HotToWarmMigrationQueueSize >= 20 达到 1 分钟，3 次连续时间	大量索引同时从热索引移动到 UltraWarm 存储索引。请考虑扩展集群。
HotToWarmMigrationSuccessLatency >= 1 天，1 次连续时间	配置此警报，以便在尝试轮询每日索引时，在 HotToWarmMigrationSuccessCount 延迟大于 24 小时的时候通知您。
WarmJVMMemoryPressure 最大值 >= 95% 达到 1 分钟，连续 3 次	如果使用量增加，群集可能会遇到内存不足错误。考虑垂直缩放。 OpenSearch 服务将一半的实例用RAM于 Java 堆，堆大小不超过 32 GiB。您可以将实例垂直扩展到 64 GiBRAM，此时您可以通过添加实例进行水平扩展。
WarmOldGenJVMMemoryPressure 最大值 >= 80% 达到 1 分钟，连续 3 次
WarmToColdMigrationQueueSize >= 20 达到 1 分钟，3 次连续时间	大量索引同时从冷存储迁移 UltraWarm 到冷存储。请考虑扩展集群。
HotToWarmMigrationFailureCount >= 1 达到 1 分钟，1 次连续时间	迁移可能会在快照、分区重新定位或强制合并期间失败。快照或分片重新定位期间的故障通常是由于节点故障或 S3 连接问题造成的。磁盘空间不足通常是强制合并失败的根本原因。
WarmToColdMigrationFailureCount >= 1 达到 1 分钟，1 次连续时间	如果在尝试将索引元数据迁移到冷存储时失败，迁移通常也会失败。在删除暖索引群集状态时，也可能会发生故障。
WarmToColdMigrationLatency >= 1 天，1 次连续时间	配置此警报，以便在尝试轮询每日索引时，在 WarmToColdMigrationSuccessCount 延迟大于 24 小时的时候通知您。
AlertingDegraded >= 1 达到 1 分钟，1 次连续时间	警报索引为红色，或者一个或多个节点未按计划运行。
ADPluginUnhealthy >= 1 达到 1 分钟，1 次连续时间	异常检测插件未正常工作，原因是故障率过高，或者其中一个正在使用的索引为红色。
AsynchronousSearchFailureRate >= 1 达到 1 分钟，1 次连续时间	过去一分钟至少有一次异步搜索失败，这可能意味着协调器节点出现故障。异步搜索请求的生命周期仅在协调器节点上管理，因此，如果协调器关闭，则请求将会失败。
AsynchronousSearchStoreHealth >= 1 达到 1 分钟，1 次连续时间	持久索引中的异步搜索响应存储的运行状况为红色。您可能会存储大量异步响应，这可能会破坏集群的稳定性。请尝试将异步搜索响应限制为 10MB 或更少。
SQLUnhealthy >= 1 达到 1 分钟，3 次连续时间	该SQL插件返回了 5 个 xx 响应码或DSL向传递了无效的查询 OpenSearch。排查客户端对插件发出的请求是否存在问题。
LTRStatus.red >= 1 达到 1 分钟，1 次连续时间	运行 Learning to Rank 插件所需的索引中至少有一个缺少主分片，且不起作用。