為什麼我的 Amazon MSK 叢集會進入 HEALING 狀態？

解決方案

當服務執行內部操作以解決問題時 (例如：中介裝置沒有回應)，Amazon MSK 叢集會進入 HEALING 狀態。然而，您可以使用叢集來產生和取用資料。在叢集回到 ACTIVE 狀態之前，您無法在叢集上執行 Amazon MSK API 或 AWS Command Line Interface (AWS CLI) 更新操作。

請使用適用於 Amazon MSK 的 Amazon CloudWatch 指標，以查看叢集為何處於 HEALING 狀態：

1. 開啟  CloudWatch 主控台。
2. 在導覽窗格，選擇指標，然後選擇所有指標。
3. 在瀏覽索引標籤，選擇 AWS/Kafka。
4. 在指標下，選擇叢集名稱。
5. 選取要監控的叢集。
   如果您在  ActiveControllerCount  或  OfflinePartitionsCount  指標看到尖峰，則表示一或多個中介裝置的運作狀態不佳。這可能導致您的叢集進入 HEALING 狀態。
6. 對於中介裝置層級指標，請在指標下選擇中介裝置 ID、叢集名稱。
7. 從清單，選取具有該叢集名稱以及指標  CpuUser  和  CpuSystem  的項目。檢查所有項目中這兩個值的總和是否高於叢集平均值的 60%。如果是這樣，則可能是高 CPU 使用率導致中介裝置進入 HEALING 狀態。如需監控 CPU 使用率的詳細資訊，請參閱最佳實務 - 監控 CPU 使用率。

以下是 Amazon MSK 叢集進入 HEALING 狀態的常見原因：

• 節點或 Amazon Elastic Block Store (Amazon EBS) 磁碟區由於硬體故障而必須替換。
• 節點不符合中介裝置的 Amazon MSK 效能 SLA，因此必須替換節點以獲得最佳效能。

請注意，Amazon MSK 是一項全受管服務。因此，中介裝置具有自我管理工作流程，可自行執行修正動作，例如在故障情況下替換節點。當中介裝置的 Amazon EBS 磁碟區運作狀態不佳時，Amazon MSK 會觀察磁碟區的狀態一段時間。如果磁碟區在此期間運作狀態好轉，則不會執行任何動作。如果磁碟區在此期間之後仍然運作狀態不佳，Amazon MSK 會自動替換此磁碟區。當 Amazon MSK 執行這些動作時，叢集會進入 HEALING 狀態。不過，只要您遵循最佳實務，這就不會影響 Amazon MSK 叢集的可用性。即使中介裝置處於 HEALING 狀態，叢集也可以處理來自生產者和取用者的請求。

在很罕見的情況下，您的叢集可能會進入永久的 HEALING 狀態。這可能是由於以下原因造成的：

• 叢集上的工作負載很高，並且持續地替換中介裝置。為了避免這個問題，最佳實務是不要使用 t3.small 執行個體來託管生產叢集。如果您使用的是 m5 執行個體，請確定您為叢集選擇了正確的大小。您可以根據工作負載和監控 CPU 使用率，來決定叢集的大小。另外，請確保每個中介裝置的分割區數量不超過建議值。
• Auto Scaling 群組無法啟動新的執行個體。這可能是由於內部問題或缺少相依性所導致。例如，叢集建立期間指定的 AWS Key Management Service (KMS) 金鑰可能已無法使用。
• 罕見的內部事件對基礎 Amazon Elastic Compute Cloud (Amazon EC2) 執行個體的可用性造成影響，或導致可用區域或 AWS 區域的 Amazon EBS 延遲。

如果您的叢集停留在永久 HEALING 狀態且並非工作負載所導致，請聯絡 AWS Support。

相關資訊

叢集狀態