- nebula 版本：3.8.0
- 部署方式：分布式
- 安装方式：tar
- 是否上生产环境：Y
- 硬件信息
- 磁盘 12 * 880G SSD
- CPU 40核
- 内存信息 392G
- 问题的具体描述
存在某个storage总是显示0个leader，执行balance leader后效果也不明显，有时候还会显示offilne状态。
storage日志中有如下警告，这是其它几个storage不带这个玩了吗。
看log是心跳时间间隔太长了，可能有以下原因：
1.没有leader分片的那台机器负载过高
2.没有leader分片的那台机器网络问题
这机器之前写了好多wal文件，现在已经处理了。是不是那段时间一直连不上这台机器，导致的后遗症啊。目前负载啥的挺正常的。服务器之间也没有丢包啥的。
现在有有效的leader分片了不
我手动执行balance leader的话会分过去几个吧，每次大约3到5个。但是那个pause这个报错没停过，执行重建索引后这个节点会失败，然后又变成0了。感觉其它四台机器已经不带他玩了。 
我刚看了下源码，这个没有leader分片的节点是因为发送心跳到其他节点回复超时导致的，
这也就是你balance leader后出现了几个leader，然后leader分片需要给其他副本发送心跳维持leader角色，但是你这台服务器的leader发送心跳接收response超时，系统可能认为这台机器跟其他机器连接有问题，故后面后面应该又发生了选举，这台机器的leader角色又被替换掉了。
相关关键代码：
1 个赞
这地方我看了，我把raft_heartbeat_interval_secs那个时间设置成10分钟先观察观察吧
是不是得调长raft_rpc_timeout_ms这个参数？这个才是控制rpc超时时间？