Solr需监控哪些Prometheus指标以检测Tlog更新与拉取副本复制延迟

一、Tlog索引更新延迟核心监控指标 #

• solr_core_tlog_lag：直接反映Tlog未提交操作的滞后时长（单位：毫秒）。如果该值持续远超你设置的30分钟提交间隔，说明Tlog提交机制阻塞。
• solr_core_update_pending：待处理的更新请求数。数值持续居高不下时，说明节点处理更新的能力不足，大概率是CPU、IO瓶颈导致Tlog无法及时刷盘提交。
• solr_core_tlog_size_bytes：Tlog文件大小。若Tlog异常膨胀，结合solr_core_tlog_lag可判断是否因提交失败导致操作堆积。

二、副本复制延迟核心监控指标 #

• solr_core_replication_lag：副本相对主节点的文档差异或时间延迟（部分版本直接返回毫秒数），是检测副本滞后最直接的指标，超过阈值立即告警。
• solr_core_replication_pending：待复制的操作数。数值持续增加时，说明副本拉取主节点更新的链路阻塞，可能是网络带宽不足或副本节点资源不够。
• solr_core_replication_failed_count：复制失败次数。数值持续上升时，说明复制过程存在错误，比如主从版本不兼容、网络中断，这也是滞后的常见诱因。

三、辅助排查思路 #

• 同步监控节点基础资源：node_cpu_usage、node_disk_io_wait、node_network_bytes_transmitted，资源瓶颈是引发Tlog提交延迟、复制滞后的核心根源之一。
• 配置Prometheus告警规则：比如当solr_core_tlog_lag > 1800000（30分钟的2倍）或solr_core_replication_lag > 3600000（1小时）时触发告警，同时留存告警时间戳，方便追溯问题起始点。
• 结合Solr自带的/solr/admin/cores?action=STATUS接口返回的Tlog、复制状态，与Prometheus指标交叉验证，定位具体异常节点和核心。

内容的提问来源于stack exchange，提问作者mukulsharma9118