存储数据,执行与数据相关的操作,如CRUD(创建、读取、更新、删除)、搜索和聚合。
数据节点的数量和性能直接影响Elasticsearch的数据处理能力。
协调节点(Coordinating Node)
处理来自客户端的请求,将搜索请求分发到具有相关数据的节点,并将结果合并返回给客户端。
协调节点不存储数据,也不执行数据处理,但它们需要足够的CPU和内存资源来处理大量的并发请求。
其他
摄取节点(Ingest Node)
在文档被索引到数据节点之前,预处理文档。例如,它可以执行数据转换、附加元数据、拆分文档等操作。
摄取节点可以减少应用服务器的负担,因为它们可以在数据到达Elasticsearch之前就处理数据。
机器学习节点(Machine Learning Node)
运行Elasticsearch的机器学习功能,分析数据模式和异常。
这些节点专门为Elasticsearch X-Pack插件中的机器学习作业提供资源。
冷/温节点(Cold/Warm Node)
用于层次化存储。温节点通常存储不那么频繁访问的数据,而冷节点存储很少访问的数据。
这种分层可以根据访问模式优化成本和性能。
专用主节点(Dedicated Master Node)
专门用于执行集群管理任务,不处理数据或响应客户端的搜索请求。
专用主节点有助于保持集群稳定性,特别是在大型集群中。
跨集群搜索节点(Cross-Cluster Search Node)
用于将多个Elasticsearch集群连接起来,使得可以从单一节点跨集群执行搜索操作。
冻结节点(Frozen Node)
用于存储被“冻结”的索引,这些索引包含了极少查询的历史数据。
冻结索引可以极大地节省资源,因为它们在不被查询时几乎不消耗任何资源。
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数大数据工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年大数据全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上大数据开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以添加VX:vip204888 (备注大数据获取)
如果你觉得这些内容对你有帮助,可以添加VX:vip204888 (备注大数据获取)**
[外链图片转存中…(img-gcCOmHeA-1712882644928)]