ES 数据管理

1. 索引在 Elasticsearch 中的生命周期：

1. 针对一个超大规模的集群：

• 注意：需要确保集群中至少有一个 data_hot 和 data_content 节点，即使它们是同一个节点，否则新索引将无法被分配。 新创建的索引默认将分配到 data_content 节点上。

1. 各节点职责:

随着数据量的不断增大，我们需要对索引进行一定的维护管理甚至是删除清理。利用 ILM 策略我们针对索引不同阶段对数据读写的要求，将索引分配到合适的节点上，从而更好地利用机器的资源：

• 例如最新需要频繁读写的数据，可以保存到 SSD 硬盘的节点上。

• 对于较旧的数据，可以保存到机械硬盘的节点上。

• 对于归档数据，可以保持到大容量廉价硬盘的节点上。

• 当数据超过一定的时间，不再需要时，可以将该数据删除。

1. 官方：ILM

1.1 ILM介绍

索引生命周期管理 (Index Lifecycle Management, ILM) 是在 Elasticsearch 在 6.6（公测版）首次引入并在 6.7 版正式推出的一项功能。它允许用户自动管理索引的整个生命周期，从创建到删除。

定义索引生命周期阶段：ILM定义了五个阶段：Hot、Warm、Cold、Frozen和Delete。每个阶段都可以执行特定的操作：rollover、force merge、shrink、delete 创建生命周期策略：通过定义策略，可以指定索引在每个阶段应该执行的操作，以及从一个阶段移动到另一个阶段的条件。例如，可以设置一个策略，当索引达到50GB或30天大小时进行rollover，并在rollover后90天删除索引。

应用生命周期策略：将定义的策略应用到索引模板中，这样新创建的索引将自动采用这个策略。例如，可以创建一个索引模板timeseries_template，并将index.lifecycle.name设置为刚才创建的策略名称。

1.2 生命周期5个阶段

ILM 将一个索引的生命周期定义为了 5 个阶段，除了 Hot 阶段以外，其他阶段都是可选的。

序号	阶段	介绍
1	Hot	索引正在被实时地写入和查询，可根据索引的文档数、大小、时长决定是否调用 Rollover API 来滚动创建新的索引。
2	Warm	索引不再被更新，但仍在被查询。
3	Cold	索引不再被更新，并且很少被查询，如果这些查询比较慢也没关系。
4	Frozen	索引不再被更新，并且很少被查询，如果这些查询非常慢也没关系。
5	Delete	不再需要索引，可以安全地删除。

1.3 5个阶段对应Action

不同的阶段只允许执行相应的 Action，具体如下表所示：

阶段	Set Priority	Unfollow	Rollover	Read-Only	Shrink	Force Merge	Searchable Snapshot	Allocate	Migrate	Wait For Snapshot	Delete
Hot	✅	✅	✅	✅	✅	✅	✅	❌	❌	❌	❌
Warm	✅	✅	❌	✅	✅	✅	❌	✅	✅	❌	❌
Cold	✅	✅	❌	✅	❌	❌	✅	✅	✅	❌	❌
Frozen	❌	❌	❌	❌	❌	❌	✅	❌	❌	❌	❌
Delete	❌	❌	❌	❌	❌	❌	❌	❌	❌	✅	✅

1.4 常用Action介绍

常用的 Action 如下：

序号	动作	介绍
1	Rollover	根据索引的文档数、大小、时长决定是否调用 Rollover API 来滚动创建新的索引。
2	Shrink	减少索引的主分片数。
3	Force Merge	段合并，可以减少索引段的数量并提高检索速度。段合并的时候会将那些旧的已删除文档从文件系统中清除。
4	Allocate	修改索引的副本分片数。
5	Read-Only	将索引设置为只读。
6	Delete	删除索引。

1.5 data tiers(数据层)概念

在 Elasticsearch 7.10 中引入了 data tiers（数据层）的概念，对数据节点类型做进一步的细分，分为 data_content, data_host, data_warm, data_cold, data_frozen，同一数据层的节点通常拥有相同硬件配置和性能。不同数据层的定义如下：

1. data_content：内容层节点，通常用于处理不经常变化的数据，如产品目录或文章档案。这些节点优化了查询性能，通常需要较高的计算性能和处理复杂搜索及聚合的能力。

2. data_hot：热层节点，用于处理最频繁访问和最近写入的时间序列数据，如日志或指标。这些节点需要快速的读写能力，通常配备SSD存储和更多的硬件资源。

3. data_warm：温层节点，用于存储访问频率较低的时间序列数据，这些数据很少需要更新。温层节点通常不需要像热层节点那样快速，但仍然允许进行更新。

4. data_cold：冷层节点，用于存储不常被查询的数据，这些数据通常不会更新。冷层节点可以配置为使用成本较低的硬件，并且可以进行压缩和减少副本数量以节省存储空间。

5. data_frozen：冻结层节点，用于存储很少被查询且从不更新的数据。冻结层使用部分挂载的索引来存储和从快照存储库加载数据，这减少了本地存储和运营成本，同时仍然允许搜索冻结数据。

1.6 Rollover

• 允许的阶段：rollover操作仅允许在“hot”阶段使用

• 触发条件：rollover可以在满足以下一个或多个条件时触发：

  • max_age：索引创建后的最大时间。

  • max_docs：索引中的最大文档数量。

  • max_size：索引的总大小。

  • max_primary_shard_size：索引中最大主分片的大小。

  • max_primary_shard_docs：索引中最大主分片的文档数量。

1.7 Force merge

• 允许的阶段：force merge 操作允许在 "hot" 和 "warm" 阶段使用。

• 与rollover的配合：在 "hot" 阶段使用 force merge 时，必须同时存在 rollover 操作。如果没有配置 rollover 操作，ILM将拒绝该策略。

• 选项：

  • max_num_segments：（必需，整数）合并到的段数。要完全合并索引，设置为1。

  • index_codec：（可选，字符串）用于压缩文档存储的编解码器。唯一接受的值是 best_compression，它使用DEFLATE提供更高的压缩比，但存储字段性能较慢。要使用默认的LZ4编解码器，请省略此参数。

2. cerebro

PUT your_index/_settings
{"index": {"number_of_replicas" : 1}
}

3. Curator