启动 Rollup 任务失败 - 如何解决此 Elasticsearch 异常 | Easysearch | 分布式搜索引擎

适用版本： 7.11-8.9

1. 错误说明 #

failed to start rollup task 表示 Elasticsearch 在尝试启动 Rollup 任务时，内部的 indexer.start() 方法未能返回 IndexerState.STARTED 状态，导致任务启动流程被中断并抛出异常。

Rollup 是 Elasticsearch 提供的一种历史数据降采样机制，用于将高频细粒度数据按时间窗口聚合后写入目标索引，从而降低存储成本并提升历史数据查询效率。当 Rollup Job 被创建并提交后，Elasticsearch 会尝试启动一个异步 indexer 来执行滚动聚合任务；如果 indexer 无法正常进入 STARTED 状态，就会触发此异常。

常见现象 #

调用 _rollup/start API 后任务状态始终为 stopped 或 aborting，无法进入 started。
在 Elasticsearch 日志中可以看到 failed to start rollup task 异常信息。
目标 rollup 索引中没有任何聚合数据写入，历史数据降采样流程完全中断。
如果任务反复尝试启动，可能会在日志中观察到大量失败重试记录，伴随节点资源消耗升高。

典型报错 #

ElasticsearchException: failed to start rollup task
    at org.elasticsearch.xpack.rollup.RollupJobTask$1.onFailure(RollupJobTask.java:XX)
Caused by: java.lang.IllegalStateException: Indexer not in STARTED state

2. 原因分析 #

从源码层面看，Rollup 任务启动的核心逻辑如下：

if (indexer.start() == IndexerState.STARTED) {
    indexer.maybeTriggerAsyncJob(Long.MAX_VALUE);
} else {
    listener.onFailure(new ElasticsearchException("failed to start rollup task"));
}

当 indexer.start() 返回的状态不是 IndexerState.STARTED 时，就会触发此异常。常见根因包括：

Rollup Job 配置非法：source_index 不存在或已被删除；cron 表达式格式错误；groups 或 metrics 中引用了不存在的字段或使用了不支持的聚合类型。
源索引状态异常：源索引处于 close 状态、索引分片未分配完成、或索引存在 index.read_only_allow_delete 阻塞。
任务状态冲突：同名 Rollup Job 已在其他节点上运行，或之前的任务实例未正常清理，导致 indexer 无法获取执行权。
目标索引问题：目标 rollup 索引已存在但 mapping 与当前聚合配置不兼容，或目标索引所在节点磁盘空间不足。
节点资源不足：节点 JVM 堆内存压力大、线程池（rollup 线程池）已满，导致 indexer 无法被正常调度。
集群状态不稳定：在任务启动瞬间集群发生 master 漂移、节点加入/离开，导致任务上下文丢失。

3. 解决方案 #

步骤一：检查 Rollup Job 配置 #

使用以下 API 查看当前 job 的配置详情：

GET _rollup/job/<job_id>

重点检查以下字段：

source_index：确认索引存在且处于 open 状态。
cron：确认表达式合法，可使用 cron 在线工具验证。
groups.date_histogram.field：确认时间字段在源索引中存在且类型为 date。
metrics：确认引用的字段类型和聚合函数匹配（如 max/min 仅适用于数值字段）。

步骤二：检查任务状态与节点日志 #

查看任务当前状态：

GET _rollup/job/<job_id>/_stats

同时检查 Elasticsearch 节点日志，搜索关键字：

grep -i "rollup\|failed to start" /var/log/elasticsearch/elasticsearch.log

步骤三：确认索引状态 #

检查源索引和目标索引的健康状态：

GET _cat/indices/<source_index>,<target_index>?v
GET _cluster/allocation/explain

如果源索引被关闭，需要先打开：

POST <source_index>/_open

步骤四：清理冲突状态后重启任务 #

如果任务状态异常，先停止任务：

POST _rollup/job/<job_id>/_stop

确认任务已停止后，再重新启动：

POST _rollup/job/<job_id>/_start

步骤五：检查节点资源 #

查看节点线程池状态，确认 rollup 线程池是否正常：

GET _cat/thread_pool/rollup?v
GET _nodes/stats/thread_pool

如果 JVM 堆压力过高，考虑扩容或优化查询负载后再启动任务。

4. 预防措施 #

配置校验前置：在创建 Rollup Job 前，使用 PUT _rollup/job/<job_id> 的 dry-run 模式（或先在测试环境验证）确认配置合法。
源索引生命周期管理：为源索引设置合理的 ILM 策略，避免索引被意外关闭或删除；对历史数据使用 delete 而非 close 操作。
资源监控告警：对 rollup 线程池队列长度、JVM 堆使用率、磁盘剩余空间设置告警阈值，在资源不足时提前介入。
任务状态巡检：定期通过 _rollup/job/_all/_stats 检查所有 rollup 任务状态，及时发现 stopped 或 aborting 状态的异常任务。
版本兼容性注意：Rollup 功能在 Elasticsearch 7.x 中处于试用状态，8.x 中已标记为弃用（deprecated），建议在新版本中优先考虑 Data Streams 配合 downsampling 替代方案。

5. 相关错误 #

附：日志上下文 #

以下为触发此异常的源码片段，便于结合完整异常栈定位问题：

// RollupJobTask.java
if (indexer.start() == IndexerState.STARTED) {
    indexer.maybeTriggerAsyncJob(Long.MAX_VALUE);
} else {
    listener.onFailure(new ElasticsearchException("failed to start rollup task"));
}

标签