wordpress 下载模板站,wordpress 国内 慢,宜阳县住房和城乡建设局网站,软件工程师级别如果对es的基础知识有不了解的可以看 es看这个文章就会使用了
1.分布式集群场景下的使用
单机的elasticsearch做数据存储#xff0c;必然面临两个问题#xff1a;海量数据存储问题、单点故障问题。
海量数据存储问题#xff1a;将索引库从逻辑上拆分为N个分片#xff08…如果对es的基础知识有不了解的可以看 es看这个文章就会使用了
1.分布式集群场景下的使用
单机的elasticsearch做数据存储必然面临两个问题海量数据存储问题、单点故障问题。
海量数据存储问题将索引库从逻辑上拆分为N个分片shard存储到多个节点单点故障问题将分片数据在不同节点备份replica
ES集群相关概念: 集群cluster一组拥有共同的 cluster name 的 节点。 节点node) 集群中的一个 Elasticearch 实例 分片shard索引可以被拆分为不同的部分进行存储称为分片。在集群环境下一个索引的不同分片可以拆分到不同的节点中 解决问题数据量太大单点存储量有限的问题。 此处我们把数据分成3片shard0、shard1、shard2 主分片Primary shard相对于副本分片的定义。 副本分片Replica shard每个主分片可以有一个或者多个副本数据和主分片一样。
数据备份可以保证高可用但是每个分片备份一份所需要的节点数量就会翻一倍成本实在是太高了
为了在高可用和成本间寻求平衡我们可以这样做
首先对数据分片存储到不同节点然后对每个分片进行备份放到对方节点完成互相备份
这样可以大大减少所需要的服务节点数量如图我们以3分片每个分片备份一份为例 现在每个分片都有1个备份存储在3个节点
node0保存了分片0和1node1保存了分片0和2node2保存了分片1和2 这样单一结点就算宕机,也可以备用
2.0.搭建ES集群
2.部署es集群
我们会在单机上利用docker容器(docker容器之间相互独立)运行多个es实例来模拟es集群。不过生产环境推荐大家每一台服务节点仅部署一个es的实例。
部署es集群可以直接使用docker-compose来完成但这要求你的Linux虚拟机至少有4G的内存空间
2.1.创建es集群
首先编写一个docker-compose文件(yml或者yaml)内容如下
9200端口已经在之前的结点中使用了,要么停止要么改端口,这三个结点都没有设置插件数据卷,实际开发记得指明 discovery.seed_hosts 这里都是同一网络 ,实际开发中不同结点都是在不同网络机器上 比如 - discovery.seed_hostsMachine1_IP:9200,Machine3_IP:9200
version: 2.2
services:es01:image: docker.elastic.co/elasticsearch/elasticsearch:7.15.0container_name: es01environment:- node.namees01- cluster.namees-docker-cluster- discovery.seed_hostses02,es03- cluster.initial_master_nodeses01,es02,es03- ES_JAVA_OPTS-Xms512m -Xmx512mvolumes:- data01:/usr/share/elasticsearch/dataports:- 9210:9200networks:- elastices02:image: docker.elastic.co/elasticsearch/elasticsearch:7.15.0container_name: es02environment:- node.namees02- cluster.namees-docker-cluster- discovery.seed_hostses01,es03- cluster.initial_master_nodeses01,es02,es03- ES_JAVA_OPTS-Xms512m -Xmx512mvolumes:- data02:/usr/share/elasticsearch/dataports:- 9201:9200networks:- elastices03:image: docker.elastic.co/elasticsearch/elasticsearch:7.15.0container_name: es03environment:- node.namees03- cluster.namees-docker-cluster- discovery.seed_hostses01,es02- cluster.initial_master_nodeses01,es02,es03- ES_JAVA_OPTS-Xms512m -Xmx512mvolumes:- data03:/usr/share/elasticsearch/datanetworks:- elasticports:- 9202:9200
volumes:data01:driver: localdata02:driver: localdata03:driver: localnetworks:elastic:driver: bridge我的镜像名
es运行需要修改一些linux系统权限修改/etc/sysctl.conf文件
vi /etc/sysctl.conf添加下面的内容
vm.max_map_count262144然后执行命令让配置生效
sysctl -p在docker-c通过docker-compose启动集群
docker-compose up -d如果报错 bootstrap checks failed. You must address the points described in the following [1] lines before starting Elasticsearch. bootstrap check failure [1] of [1]: max virtual memory areas vm.max_map_count [65530] is too low, increase to at least [262144] 那么说明是内存警告问题 错误消息指出虚拟内存区域的 vm.max_map_count 参数设置得太低。 检查当前的 vm.max_map_count 值运行以下命令来检查当前值
sysctl vm.max_map_count如果当前值低于 262144那么你需要增加它。
增加 vm.max_map_count 的值你可以使用以下命令来增加虚拟内存区域的值
sudo sysctl -w vm.max_map_count262144这会立即更改 vm.max_map_count 的值但在系统重新启动后会重置为默认值。如果要永久更改此设置你需要编辑 /etc/sysctl.conf 或 /etc/sysctl.d/ 下的配置文件并添加或修改以下行
vm.max_map_count262144然后保存文件并重新加载配置
sudo sysctl -p重新启动 Elasticsearch一旦你增加了 vm.max_map_count 的值重新启动 Elasticsearch问题应该得到解决。
启动成功
2.2.集群状态监控
kibana可以监控es集群不过新版本需要依赖es的x-pack 功能并且默认是监控但点es配置比较复杂。
这里推荐使用cerebro来监控es集群状态官方网址https://github.com/lmenezes/cerebro
解压即可使用非常方便。
解压好的目录如下 进入对应的bin目录 双击其中的cerebro.bat文件即可启动服务。
访问http://localhost:9000 即可进入管理界面 输入你的elasticsearch的任意节点的地址和端口点击connect即可 绿色的条代表集群处于绿色健康状态。
图标星星是实的是当前主节点,其他的是备用结点
2.3.创建索引库
1利用kibana的DevTools创建索引库
(这里集群不使用这种方式)
在DevTools中输入指令
PUT /itcast
{settings: {number_of_shards: 3, // 分片数量number_of_replicas: 1 // 副本数量},mappings: {properties: {// mapping映射定义 ...}}
}2利用cerebro创建索引库
利用cerebro还可以创建索引库 172是我的虚拟机所在的虚拟地址
填写索引库信息 选项分别是索引名 几个分片 几个备份 点击右下角的create按钮
2.4.查看分片效果
回到首页即可查看索引库分片效果
首页可以看到索引数据 索引存储分为三个分片每个文档分片备份一份所以是6个数据,点击任意分片就可以看到索引信息 这样就可以保证任意结点宕机 其他结点把备份数据传递给宕机接结点 3.0.集群脑裂问题
3.1.集群职责划分
elasticsearch中集群节点有不同的职责划分 默认情况下集群中的任何一个节点都同时具备上述四种角色。
但是真实的集群一定要将集群职责分离
master节点对CPU要求高但是内存要求第data节点对CPU和内存要求都高coordinating节点对网络带宽、CPU要求高
职责分离可以让我们根据不同节点的需求分配不同的硬件去部署。而且避免业务之间的互相干扰。
一个典型的es集群职责划分如图 3.2.脑裂问题
但是采用分布式的主从架构的服务一般都会出现脑裂问题
脑裂是因为集群中的节点失联导致的。结点尚未宕机,但是失去通信(比如网络问题)
例如一个集群中主节点与其它节点失联 此时node2和node3认为node1宕机就会重新选主 当node3当选后集群继续对外提供服务node2和node3自成集群node1自成集群两个集群数据不同步出现数据差异,这个时候出现了俩个大脑
当网络恢复后因为集群中有两个master节点集群状态的不一致出现脑裂的情况 解决脑裂的方案是要求选票超过 ( eligible节点数量 1 / 2 才能当选为主因此eligible节点数量最好是奇数。对应配置项是discovery.zen.minimum_master_nodes在es7.0以后已经成为默认配置因此一般不会发生脑裂问题
例如3个节点形成的集群选票必须超过 3 1 / 2 也就是2票。node3得到node2和node3的选票当选为主。node1只有自己1票没有当选救失去主节点身份。集群中依然只有1个主节点没有出现脑裂。
3.3.小结
master eligible节点的作用是什么
参与集群选主主节点可以管理集群状态、管理分片信息、处理创建和删除索引库的请求
data节点的作用是什么
数据的CRUD
coordinator节点的作用是什么 路由请求到其它节点 合并查询到的结果返回给用户
3.4.集群分布式存储
当新增文档时应该保存到不同分片保证数据均衡那么coordinating node如何确定数据该存储到哪个分片呢
3.4.1.分片存储测试
插入三条数据 创建索引时候我没有没有添加索引mapping,也没有规定字段在Elasticsearch中如果你创建一个索引但没有显式定义映射(mapping)或字段(mapping)Elasticsearch会使用动态映射(dynamic mapping)来处理你插入的文档数据。动态映射允许Elasticsearch根据插入的文档数据自动推断字段的数据类型。 当你插入文档时Elasticsearch会检查文档的字段并根据字段值的类型自动创建相应的字段映射。例如如果你插入一个包含字符串的字段Elasticsearch会自动将其识别为文本字段如果插入一个整数它会将其识别为整数字段以此类推。 测试可以看到三条数据分别在不同分片,查询任意结点的数据
结果 另一接待你查询
3.4.2.分片存储原理
elasticsearch会通过hash算法来计算文档应该存储到哪个分片 说明
_routing默认是文档的id 算法与分片数量有关因此索引库一旦创建分片数量不能修改
新增文档的流程如下 解读
1新增一个id1的文档2对id做hash运算假如得到的是2则应该存储到shard-23shard-2的主分片在node3节点将数据路由到node34保存文档5同步给shard-2的副本replica-2在node2节点6返回结果给coordinating-node节点
3.4.3集群分布式查询
elasticsearch的查询分成两个阶段
scatter phase分散阶段coordinating node会把请求分发到每一个分片(查询检索一般是根据text来查询,不知道具体数据id,所以会给每个结点发送查询)
所以之前查询任一结点,都会查询到全部数据,因为请求打到了所有数据
gather phase聚集阶段coordinating node汇总data node的搜索结果并处理为最终结果集返回给用户 3.5.集群故障转移
集群的master节点会监控集群中的节点状态如果发现有节点宕机会立即将宕机节点的分片数据迁移到其它节点确保数据安全这个叫做故障转移。
1例如一个集群结构如图 现在node1是主节点其它两个节点是从节点。
2突然node1发生了故障 宕机后的第一件事需要重新选主例如选中了node2 node2成为主节点后会检测集群监控状态发现shard-1、shard-0没有副本节点。因此需要将node1上的数据迁移到node2、node3 所以故障转移主要是进行了俩布,
主结点宕机后选择新节点为主结点新的主节点为了保障宕机结点所存储的数据安全,第一时间转移到其他安全结点
这是es集群的默认策略 这里进行演示即可 现在三个结点正常
关闭虚拟机的任一结点
等待一会后 集群自动迁移 当es01重新启动后 数据均衡又会把数据分给挂掉的结点
