如何重试Elasticsearch分片分配，解决UNASSIGNED未分配分片问题

产生原因 #

• 跨集群复制（CCR）任务异常：当你配置了同步logs-*类索引的跨集群复制任务，任务执行过程中出现源集群不可达、权限变更、网络中断等问题时，Elasticsearch会自动生成partial-前缀的残缺索引，存储已同步的部分分片数据
• 索引生命周期（ILM）策略执行失败：如果logs-*索引配置了包含分片收缩、冷/冻层迁移、归档的ILM策略，策略执行时出现节点离线、磁盘空间不足、参数配置错误等问题，会生成过渡性的partial索引
• 快照恢复中断：从快照恢复logs-2021.08这类索引的过程中，手动终止任务、快照文件损坏、存储介质故障都会导致恢复流程中断，生成未完成的partial索引

非删除修复方案 #

操作前先执行GET _cluster/allocation/explain查看分片未分配的具体原因，不要直接删除索引避免丢失未同步的有效数据

• 若为CCR异常生成的索引：先找到对应的CCR同步任务，执行POST _ccr/resume_follow/partial-logs-2021.08?wait_for_active_shards=1恢复同步任务，待所有分片状态变为STARTED、数据校验完整后，可通过索引别名或者重命名操作将索引改为正常的logs-*格式
• 若为ILM执行失败生成的索引：执行POST partial-logs-2021.08/_ilm/retry重试失败的ILM动作，动作执行完成后partial索引会自动合并为正常索引
• 若为快照恢复中断生成的索引：先校验对应快照文件的完整性，重新执行恢复命令时指定rename_pattern参数，直接覆盖异常的partial索引即可

根因规避方案 #

• 给所有CCR同步任务配置状态异常告警，任务出现中断时第一时间处理，避免生成大量残缺的partial索引
• 校验ILM策略各阶段的配置要求，提前预留对应节点的磁盘、算力资源，避免ILM动作执行时因为资源不足失败
• 快照恢复前先执行快照校验，恢复过程中不要手动终止任务，同时配置快照恢复的超时告警

内容的提问来源于stack exchange，提问作者Roy Levy