ElasticSearch 集群的规划部署与运维

公号：码农充电站pro
主页：https://codeshellme.github.io

1，常见的集群部署方式

ES 有以下不同类型的节点：

• Master(eligible)节点：只有 Master eligible 节点可以成为 Master 节点。
  • Master 节点用于维护索引信息和集群状态。
• Data 节点：负责数据存储。
• Ingest 节点：数据预处理。
• Coordinating 节点：处理用户请求。
• ML 节点：机器学习相关功能。

在开发环境中，一个节点可以承担多种角色。

但是在生产环境，建议一个节点只负责单一角色，以达到高可用性及高性能。同时根据业务需求和硬件资源来合理分配节点。

1.1，节点配置参数

在默认情况下，一个节点会同时扮演 Master eligible Node，Data Node 和 Ingest Node。

各类型的节点配置参数如下：

默认情况下，每个节点都是一个 Coordinating 节点，可以将 node.master，node.data 和 node.ingest 同时设置为 false，让一个节点只负责 Coordinating 节点的角色。

1.2，配置单一角色

默认情况下，一个节点会承担多个角色，可以通过配置让一个节点只负责单一角色。

单一职责节点配置：

• Master 节点：从高可用和避免脑裂的角度考虑，生产环境可配置 3 个 Master节点。
  • node.master：true
  • node.ingest：false
  • node.data：false
• Data 节点
  • node.master：false
  • node.ingest：false
  • node.data：true
• Ingest 节点
  • node.master：false
  • node.ingest：true
  • node.data：false
• Coordinating 节点
  • node.master：false
  • node.ingest：false
  • node.data：false

1.3，水平扩展架构

集群的水平扩展：

• 当需要更多的磁盘容量和读写能力时，可以增加 Data Node；
• 当系统有大量的复杂查询和聚合分析时，可以增加 Coordinating Node。

1.4，读写分离架构

使用 Ingest 节点对数据预处理。

2，分片设计与管理

ES 中的文档存储在索引中，索引的最小存储单位是分片，不同的索引存储在不同的分片中。

当讨论分片时，一般是基于某个索引的，不同索引之间的分片互不干扰。

分片分为主分片和副本分片两种；副本分片是主分片的拷贝，主要用于备份数据。

关于主副分片数的设置：

• 主分片数：主分片数在索引创建时确定，之后不能修改。
  • 在 ES 7.0 以后，一个索引默认有一个主分片。
  • 一个索引的主分片数不能超过 1024。
• 副本分片数：副本分片数在索引创建之后可以动态修改。
  • 副本分片数默认为 1。

关于每个节点上的分片数的设置，可参考这里。

2.1，主分片的设计

如果某个索引只有一个主分片：

• 优点：查询算分和聚合不精准的问题都可避免。
• 缺点：集群无法实现水平扩展。
  • 因为索引（不管该索引的数据量达到了多大）只能存储在一个主分片上（一个分片不能跨节点存储/处理）；
  • 对于单个主分片的索引来说，即使有再多的数据节点，它也无法利用。

如果某个索引有多个主分片：

• 优点：集群可以实现水平扩展。
  • 对于拥有多个主分片的索引，该索引的数据可以分布在多个主分片上，不同的主分片可以分布在不同的数据节点中；这样，该索引就可以利用多个节点的读写能力，从而处理更多的数据。
  • 如果当前的数据节点数小于主分片数，当有新的数据节点加入集群后，这些主分片就会自动被分配到新的数据节点上，从而实现水平扩容。
• 缺点：但是主分片数也不能过多，因为对于分片的管理也需要额外的资源开销。主要会带来以下问题：
  • 每次搜索/聚合数据时需要从多个分片上获取数据，并汇总；除了会带来精准度问题，还会有性能问题。
  • 分片的 Meta 信息由 Master 节点维护管理，过多的分片，会增加 Master 节点的负担。

对于分片的设计建议：

• 从分片的存储量考虑：
  • 对于日志类应用，单个分片不要大于 50G；
  • 对于搜索类应用，单个分片不要大于 20G；
• 从分片数量考虑：
  • 一个 ES 集群的分片（包括主分片和副本分片）总数不超过 10 W。

2.2，副本分片的设计

副本分片是主分片的备份：

• 优点：
  • 可防止数据丢失，提高系统的可用性；
  • 可以分担主分片的查询压力，提高系统的查询性能。
• 缺点：
  • 与主分片一样，需要占用系统资源，有多少个副本，就会增加多少倍的存储消耗。
  • 会降低系统的写入速度。

3，集群容量规划

容量规划指的是，在一个实际项目中：

• 一个集群需要多少节点，以及节点类型分配。
• 一个索引需要几个主分片，几个副本分片。

3.1，要考虑的因素

做容量规划时要考虑的因素：

• 机器的软硬件配置
• 数据量：
  • 单条文档的尺寸
  • 文档的总数量
  • 索引的总数量
• 业务需求：
  • 文档的复杂度、数据格式
  • 写入需求
  • 查询需求
  • 聚合需求
  • 等

3.2，硬件配置

对系统整体性能要求高的，建议使用 SSD，内存与硬盘的比例可为 1：10。

对系统整体性能要求一般的，可使用机械硬盘，内存与硬盘的比例可为 1：50。

JVM 配置为机器内存的一半，建议 JVM 内存配置不超过 32 G。

单个节点的数据建议控制在 2TB 以内，最大不超过 5 TB。

3.3，常见应用场景

有如下常见应用场景：

• 搜索类应用：
  • 总体数据集大小基本固定，数据量增长较慢。
• 日志类应用：
  • 每日新增数据量比较稳定，数据量持续增长，可预期。

1，处理时间序列数据

ES 中提供了 Date Math 索引名用于写入时间序列的数据。

示例：

请求 URI 要经过 URL 编码：

# PUT /<my-index-{now/d}>
# 经过 URL 编码后
PUT /%3Cmy-index-%7Bnow%2Fd%7D%3E

查询示例：

# POST /<logs-{now/d}/_search
POST /%3Clogs-%7Bnow%2Fd%7D%3E/_search

# POST /<logs-{now/w}/_search
POST /%3Clogs-%7Bnow%2Fw%7D%3E/_search

4，ES 开发模式与生产模式

从 ES 5 开始，ES 支持开发模式与生产模式，ES 可通过配置自动选择不同的模式去运行：

• 开发模式配置：
  • http.host：localhost
  • transport.bind_host：localhost
• 生产模式配置：
  • http.host：真实 IP 地址
  • transport.bind_host：真实 IP 地址

4.1，Booststrap 检测

在生产模式启动 ES 集群时，会进行 Booststrap 检测（只有检测通过才能启动成功），它包括：

• JVM 检测
• Linux 检测：只在 Linux 环境进行

4.2，JVM 配置

JVM 通过 config 目录下的 jvm.options 文件进行配置，需要注意以下几点：

• 将 Xms 和 Xmx 设置成一样；
• Xmx 不要超过物理内存的 50%，最大内存建议不超过 32G；
• JVM 有 Server 和 Client 两种模式，在 ES 的生产模式必须使用 Server 模式；
• 需要关闭 JVM Swapping

4.3，更多的 ES 配置

更多的关于 ES 的配置可参考其官方文档，包括：

• Configuring Elasticsearch
• Important Elasticsearch configuration
• Important System Configuration

5，监控集群状态

集群状态为 Green 只能代表分片正常分配，不能代表没有其它问题。

ES 提供了很多监控相关的 API：

• _cluster/health：集群健康状态。
• _cluster/state：集群状态。
• _cluster/stats：集群指标统计。
• _cluster/pending_tasks：集群中正在执行的任务。
• _tasks：集群任务。
• _cluster/allocation/explain：查看集群分片的分配情况，用于查找原因。
• _nodes/stats：节点指标统计。
• _nodes/info：节点信息。
• _index/stats：索引指标统计。
• 一些 cat API。

5.1，Slow log

ES 的 Slow log 可以设置一些阈值，当写入时间或者查询时间超过这些阈值后，会将相关操作记录日志。

5.2，集群诊断

需要监控的指标：

一个集群诊断工具 Support Diagnostics。

（本节完。）

推荐阅读：

ElasticSearch 聚合分析

ElasticSearch 中的 Mapping

ElasticSearch 数据建模

ElasticSearch 分布式集群

ElasticSearch 集群安全

欢迎关注作者公众号，获取更多技术干货。