Elasticsearch节点，集群，分片及副本

拾叁不是13
2,381 阅读5分钟

elasticsearch其实就是一个分布式系统，需要满足分布式系统具备的高可用性和可扩展性

分布式系统的可用性与扩展性

  • 高可用性
    • 服务可用性-允许有节点停止服务
    • 数据可用性-部分节点丢失，不会丢失数据
  • 可扩展性
    • 请求量提升/数据的不断增长（将数据分布到所有节点上）

分布式特性

  • elasticsearch的分布式架构好处
    • 存储的水平扩容
    • 提高系统的可用性，部分节停止服务，整个集群的服务不受影响
  • ElasticSearch的分布式架构
    • 不同的集群通过不同的名字来区分，默认名字”elasticsearch“
    • 通过配置文件修改，或者在命令行中 -E cluster.name=geektime进行设定
    • 一个集群可以用多个节点

节点

  • 是一个elasticsearch的实例
    • 本质上是一个java进程
    • 一台机器上可以运行多个elasticsearch进程，但是生产环境一般建议一台机器上运行一个elasticsearch实例
  • 每一个节点都有名字，通过配置文件配置，或者启动时候 -E node.name=node1 指定
  • 每一个节点在启动之后，会分配一个UID，保存在data目录下

不同的节点承担了不同的角色

Master-eligible nodes和Master Node

  • 每个节点启动后，默认就是一个Master eligible节点
    • 可以设置node.master:false禁止
  • Master-eligible节点可以参加选主流程，成为master节点
  • 当第一个节点启动时候，它会将自己选举成Master节点
  • 每个节点上保存了集群的状态，只有master节点才能修改集群的状态信息
    • 集群状态（Cluster State)，维护了一个集群中，必要的信息
      • 所有的节点信息
      • 所有的索引和其相关的Mapping与Setting信息
      • 分片的路由信息
    • 任意节点都能修改信息会导致数据的不一致性

Data Node & Coordinate Node

  • Data Node
    • 可以保存数据的节点，叫做Data Node，负责保存分片数据。在数据扩展上起到了至关重要的作用
  • Coordinate Node
    • 负责接受Client的请求，将请求分发到合适的节点，最终将结果汇集到一起
    • 每个节点默认起到了Coordinate Node的职责

其他的节点类型

  • Hot & Warm Node
    • 不同硬件配置的Data Node，用来实现Hot & Warm架构，降低集群部署的成本
  • Machine Learning Node
    • 负责跑机器学习的 Job,用来做异常检测
  • Tribe Node
    • 5.3开始使用Cross Cluster Search ，Tribe Node连接到不同的Elasticsearch集群，并且支持将这些集群当成一个单独的集群处理

配置节点类型

  • 开发环境中一个节点可以承担多种角色
  • 生产环境配置单一角色：更好性能，单一角色
节点类型 配置参数 默认值
master eligible node.master true
data node.data true
ingest node.ingest true
coordinating only 无 每个节点默认都是coordinate节点。设置其他类型为false
machine learning node.ml true(需设置 enable x-pack)

分片（Primary Shard & Replica Shard)

  • 主分片，用以解决数据水平扩展的问题。通过主分片，可以将数据分布到集群内的所有节点之上

    • 一个分片是一个运行的 Lucene 的实例
    • 主分片数在索引创建时指定，后续不允许修改，除非 通过Reindex方式进行

  • 副本，用以解决数据高可用的问题，分片是主分片的拷贝

    • 副本分片数，可以动态调整
    • 增加副本数，还可以在一定程度上提高服务的可用性（读取的吞吐）

  • 一个三节点的集群中，blogs索引的分片分布情况

一个主分片分散到三个节点上，每个节点存在一个副本分片

分片的设定

  • 对于生成环境分片的设定，需要提前做好容量规划
    • 分片数设置过小
      • 导致后续无法增加节点实现水平扩展
      • 单个分片的数据量太大，导致数据重新分配耗时
    • 分片数设置过大，7.0开始，默认主分片设置为1，解决了over-sharding的问题
      • 影响搜索结果的相关性打分，影响统计结果的准确性
      • 单个节点上过多的分片，会导致资源浪费，同时也会影响性能

查看集群的健康状况

GET _cluster/health

{
  "cluster_name" : "elasticsearch",
  "status" : "yellow",
  "timed_out" : false,
  "number_of_nodes" : 1,
  "number_of_data_nodes" : 1,
  "active_primary_shards" : 6,
  "active_shards" : 6,
  "relocating_shards" : 0,
  "initializing_shards" : 0,
  "unassigned_shards" : 1,
  "delayed_unassigned_shards" : 0,
  "number_of_pending_tasks" : 0,
  "number_of_in_flight_fetch" : 0,
  "task_max_waiting_in_queue_millis" : 0,
  "active_shards_percent_as_number" : 85.71428571428571
}
  • Green-主分片与副本都正常分配
  • Yellow-主分片全部正常分配，副本分片未能正常分配
  • Red-有主分片未能分配
    • 例如，当服务器的磁盘容量超过85%时，去创建一个新的索引

安装cerebro

集群中目前只有一个工作节点

操作示例

get _cat/nodes?v
GET /_nodes/es7_01,es7_02
GET /_cat/nodes?v
GET /_cat/nodes?v&h=id,ip,port,v,m


GET _cluster/health
GET _cluster/health?level=shards
GET /_cluster/health/kibana_sample_data_ecommerce,kibana_sample_data_flights
GET /_cluster/health/kibana_sample_data_flights?level=shards

#### cluster state
The cluster state API allows access to metadata representing the state of the whole cluster. This includes information such as
GET /_cluster/state

#cluster get settings
GET /_cluster/settings
GET /_cluster/settings?include_defaults=true

GET _cat/shards
GET _cat/shards?h=index,shard,prirep,state,unassigned.reason

相关阅读

avatar
文章
阅读
粉丝