Logstash：为 Logstash 日志启动索引生命周期管理

于 2020-12-07 15:17:33 发布
阅读量6.7k 收藏 21
点赞数 5
分类专栏： Elastic Logstash 文章标签： elasticsearch 大数据
本文为博主原创文章，未经博主允许不得转载。
本文链接：https://blog.csdn.net/UbuntuTouch/article/details/110816948
版权
Elastic 同时被 2 个专栏收录
1464 篇文章 888 订阅
订阅专栏
Logstash
119 篇文章 212 订阅
订阅专栏

在 Elastic Stack 中，Logstash 作为一种 ETL 的摄入工具，它为大量摄入数据提供可能。Elastic Stack 提供索引生命周期管理可以帮我们管理被摄入的数据到不同的冷热节点中，并删除不需要保存的索引。在今天的文章中，我们将讲述如何为 Logstash 配置索引生命周期管理。在开始之前，建议你阅读如下的文档：

在本实验中，我将使用 Elastic Stack 7.10 来进行展示。

前提条件

你需要完成在文章 “Logstash：Logstash 入门教程 （二）” 中的实验内容 。在那篇文章中，它详细地描述了如何安装及配置所需要的 Elastic Stack：Elasticsearch，Kibana 及 Logstash。

在今天的实践中，我们对启动 Elasticsearch 稍有不同。我们来创建两个节点的 Elasticsearch 集群。一个节点是 hot，而另外一个节点是 warm。我们安装如下的方式来进行启动。

我们可以参考文章 “Elasticsearch：运用 shard filtering 来控制索引分配给哪个节点” 运行起来两个节点的 cluster。其实非常简单，当我们安装好 Elasticsearch 后，打开一个 terminal，并运行如下的命令：

./bin/elasticsearch -E node.name=node1 -E node.attr.data=hot -Enode.max_local_storage_nodes=2

它将运行起来一个叫做 node1 的节点。同时在另外 terminal 中运行如下的命令：

./bin/elasticsearch -E node.name=node2 -E node.attr.data=warm -Enode.max_local_storage_nodes=2

它运行另外一个叫做 node2 的节点。我们可以通过如下的命令来进行查看：

GET _cat/nodes?v

显示两个节点：

我们可以用如下的命令来检查这两个 node 的属性：

GET _cat/nodeattrs?v&s=name

显然其中的一个 node 是 hot，另外一个是 warm。

这样，我们就创建好了我们的 Elasticsearch 集群了。

测试环境如下：

一般来说索引生命周期有如下的几个阶段：

如上所示，一个典型的 ILM 通常有4个阶段：Hot, Warm, Cold, 以及 Delete。针对自己的业务需求，你可以分别启动相应的阶段。

动手实践

在接下来的实践中，我们将安按照如下的步骤来进行：

  • 创建 ILM （Index Lifecycle Management）Policy
  • 创建 Index  template
  • 导入数据并观察 ILM 的结果

创建 ILM  Policy

首先打开 Kibana。我们来定义一个叫做 logstash 的 ILM  policy:

我们接下来定义 hot phase 的配置：

如上图所示，当文档数满足如下的任何一个条件时就会滚动到另外一个索引：

  • 索引的大小超过 1G
  • 文档数超过 5 个
  • 索引的最大时间跨度超过 30 天

这样做的目的就是为了防止一个索引的大小变的很大。

接下来我们来定义在 warm phase 的配置：

在上面，我们启动 Warm phase。在这个 phase 里，数据将保存于带有 warm 标签的节点上。由于我们只有一个 warm 节点，在本练习中，我将 number of replica 设置为 0。在实际的使用中，有更多的 replica 代表有更多的 read 能力。这个可以根据自己的业务需求和配置进行设置。我也同时启动了 Shrink index，也就是说它将在 warm phase 里把所有的 primary shard 压缩到一个。通常 primary shard 代表导入数据的能力。在 warm phase 中，我们通常不需要导入数据，我们只在 hot 节点中导入数据。

在今天的练习中，为了简单起见，我们不再定义其它的 phase 了。

点击上面的 Save as new policy。这样我们就完成了 policy 的定义了。

我们可以使用如下的 API 来进行查找，或者点击上面的 Show request 按钮来进行查看：

我们可以使用如下的命令来进行查看:

GET _ilm/policy/logstash
{
  "logstash" : {
    "version" : 1,
    "modified_date" : "2020-12-07T06:21:20.988Z",
    "policy" : {
      "phases" : {
        "warm" : {
          "min_age" : "0ms",
          "actions" : {
            "allocate" : {
              "number_of_replicas" : 0,
              "include" : { },
              "exclude" : { },
              "require" : {
                "data" : "warm"
              }
            },
            "shrink" : {
              "number_of_shards" : 1
            },
            "set_priority" : {
              "priority" : 50
            }
          }
        },
        "hot" : {
          "min_age" : "0ms",
          "actions" : {
            "rollover" : {
              "max_size" : "1gb",
              "max_age" : "30d",
              "max_docs" : 5
            },
            "set_priority" : {
              "priority" : 100
            }
          }
        }
      }
    }
  }
}

创建 logstash template

接下来我们需要创建一个 index template。我们取名为 logstash_template：

如果你想使用 data stream 的话，请参阅我之前的文章 “Elastic：Data stream 在索引生命周期管理中的应用”。点击 Next 按钮：

我们把如下的配置拷贝到编辑框中：

{
  "lifecycle": {
    "name": "logstash",
    "rollover_alias": "logstash"
  },
  "routing": {
    "allocation": {
      "require": {
        "data": "hot"
      }
    }
  },
  "refresh_interval": "1s",
  "number_of_shards": "2"
}

在上面我们定义了 lifecyle 的名称以及 rollover_alias 的名字。点击 Next 按钮：

点击上面的 Create template:

这样我们就创建了 logstash_template。在上面的创建过程中，它除了创建 logstash_template，也同时当第一个文档被导入时会生成 logstash 这个 alias。我们可以通过如下的命令来进行来查看：

GET _index_template/logstash_template

我们可以通过如上的命令来进行查看被定义的 logstash_template。注意这个 API  和之前版本的有所不同。之前的 index template 是 _template 终点而不是 _index_template。在实际的使用中，你需要进行查看。上面的命令生成的结果为：

{
  "index_templates" : [
    {
      "name" : "logstash_template",
      "index_template" : {
        "index_patterns" : [
          "logstash-*"
        ],
        "template" : {
          "settings" : {
            "index" : {
              "lifecycle" : {
                "name" : "logstash",
                "rollover_alias" : "logstash"
              },
              "routing" : {
                "allocation" : {
                  "require" : {
                    "data" : "hot"
                  }
                }
              },
              "refresh_interval" : "1s",
              "number_of_shards" : "2"
            }
          }
        },
        "composed_of" : [ ]
      }
    }
  ]
}

定义 Logstash 的配置文件

由于引入了 ILM，我们需要对先前文章 “Logstash：Logstash 入门教程 （二）” 中的 web_log.conf 来进行重新的定义：

weblog.conf

input {
  tcp {
    port => 9900
  }
}

filter {
  grok {
    match => { "message" => "%{COMBINEDAPACHELOG}" }
  }

  mutate {
    remove_field => [ "message" ]
  }

  geoip {
    source => "clientip"
  }

  useragent {
    source => "agent"
    target => "useragent"
  }

  date {
    match => ["timestamp", "dd/MMM/yyyy:HH:mm:ss Z"]
  }  

  mutate {
    remove_field => [ "timestamp" ]
  }    
}

output {
  stdout { }

   elasticsearch {
    hosts => ["localhost:9200"]
    ilm_rollover_alias => "logstash"
    ilm_pattern => "000001"
    ilm_policy => "logstash"
    #user => "elastic"
    #password => "password"
  } 
}

请注意在上面，我们在 elasticsearch 的 output 中定义了如下的几行字：

    ilm_rollover_alias => "logstash"
    ilm_pattern => "000001"
    ilm_policy => "logstash"

如果你们感兴趣的话，请参阅 Elastic 的官方文档 “Elasticsearch output plugin”。我们把之前定义的 policy 以及 rollover_alias 填入。

通过 logstash 导入数据并检查结果

我们在一个 terminal 中启动 logstash：

./bin/logstash -f /Users/liuxg/demos/logstash/weblog.conf

请根据自己配置文件的路径的不同而修改上面的路径。

为了能够快速地看到 ILM 起作用，我们把 ILM 的检查时间从默认的 10 分钟缩减到 10 秒。

PUT _cluster/settings
{
    "transient": {
      "indices.lifecycle.poll_interval": "10s"
    }
}

我们在另外一个 terminal 中打入如下的命令：

head -n 5 weblog-sample.log | nc localhost 9900

我们可以通过如下的命令进行查看：

GET logstash/_search

我们可以看到所有的文档都被写入到 logstash-000001 这个索引中：

等过一会的时候，我们打入如下命令：

GET logstash/_ilm/explain

它显示：

{
  "indices" : {
    "logstash-000002" : {
      "index" : "logstash-000002",
      "managed" : true,
      "policy" : "logstash",
      "lifecycle_date_millis" : 1607324430865,
      "age" : "1.93m",
      "phase" : "hot",
      "phase_time_millis" : 1607324432647,
      "action" : "rollover",
      "action_time_millis" : 1607324443170,
      "step" : "check-rollover-ready",
      "step_time_millis" : 1607324443170,
      "phase_execution" : {
        "policy" : "logstash",
        "phase_definition" : {
          "min_age" : "0ms",
          "actions" : {
            "rollover" : {
              "max_size" : "1gb",
              "max_age" : "30d",
              "max_docs" : 5
            },
            "set_priority" : {
              "priority" : 100
            }
          }
        },
        "version" : 1,
        "modified_date_in_millis" : 1607322080988
      }
    },
    "shrink-logstash-000001" : {
      "index" : "shrink-logstash-000001",
      "managed" : true,
      "policy" : "logstash",
      "lifecycle_date_millis" : 1607324430710,
      "age" : "1.93m",
      "phase" : "warm",
      "action" : "complete",
      "action_time_millis" : 1607324455330,
      "step" : "complete",
      "step_time_millis" : 1607324455330
    }
  }
}

在上面显示有两个索引：logstash-000002 以及 shrink-logstash-000001。这个 shrink-logstash-000001 是由于从 hot phase 有5个文档满足触发的条件，从而转入到 warm phase。在 warm phase 中，我们把所有的 primary shards 都合并到一个 primary shard 中。我们可以查看上面的 policy 的定义。

在 terminal 中，我们接着打入如下的命令：

head -n 1 weblog-sample.log | nc localhost 9900

我们接着使用如下的命令来进行查看：

GET logstash/_search
{
  "_source": "_index"
}

上面的命令显示：

{
  "took" : 1,
  "timed_out" : false,
  "_shards" : {
    "total" : 3,
    "successful" : 3,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 6,
      "relation" : "eq"
    },
    "max_score" : 1.0,
    "hits" : [
      {
        "_index" : "shrink-logstash-000001",
        "_type" : "_doc",
        "_id" : "rAEAPHYB9dcfabeQVSHM",
        "_score" : 1.0,
        "_source" : { }
      },
      {
        "_index" : "shrink-logstash-000001",
        "_type" : "_doc",
        "_id" : "qgEAPHYB9dcfabeQVSHM",
        "_score" : 1.0,
        "_source" : { }
      },
      {
        "_index" : "shrink-logstash-000001",
        "_type" : "_doc",
        "_id" : "qwEAPHYB9dcfabeQVSHM",
        "_score" : 1.0,
        "_source" : { }
      },
      {
        "_index" : "shrink-logstash-000001",
        "_type" : "_doc",
        "_id" : "rQEAPHYB9dcfabeQVSHN",
        "_score" : 1.0,
        "_source" : { }
      },
      {
        "_index" : "shrink-logstash-000001",
        "_type" : "_doc",
        "_id" : "rgEAPHYB9dcfabeQVSHT",
        "_score" : 1.0,
        "_source" : { }
      },
      {
        "_index" : "logstash-000002",
        "_type" : "_doc",
        "_id" : "1QEGPHYB9dcfabeQYSH_",
        "_score" : 1.0,
        "_source" : { }
      }
    ]
  }
}

也就是说有两个索引：shrink-logstash-000001 已及 logstash-000002。最新被导入的文档被保存于 logstash-000002 (hot node) 索引中。之前的 5 个文档被保存于 shrink-logstash-000001 （warm node） 中。

我们在数据被导入后，我们可以使用如下的命令来查看已经被创建的 logstash alias:

GET _cat/aliases?v

上面的命令显示：

alias                    index                               filter routing.index routing.search is_write_index
.kibana                  .kibana_1                           -      -             -              -
.kibana_task_manager     .kibana_task_manager_1              -      -             -              -
apm-7.10.0-span          apm-7.10.0-span-000001              -      -             -              true
apm-7.10.0-transaction   apm-7.10.0-transaction-000001       -      -             -              true
logstash                 shrink-logstash-000001              -      -             -              -
logstash-000001          shrink-logstash-000001              -      -             -              -
apm-7.10.0-metric        apm-7.10.0-metric-000001            -      -             -              true
apm-7.10.0-profile       apm-7.10.0-profile-000001           -      -             -              true
.kibana-event-log-7.10.0 .kibana-event-log-7.10.0-000001     -      -             -              true
logstash                 logstash-000002                     -      -             -              true
metricbeat-7.10.0        metricbeat-7.10.0-2020.12.06-000001 -      -             -              true
apm-7.10.0-error         apm-7.10.0-error-000001             -      -             -              true
ilm-history-3            ilm-history-3-000001                -      -             -              true

从上面的列表中，我们可以看出来 logstash 这个 alias 指向 logstash-00002。

Elastic 中国社区官方博客
关注
  • 5
    点赞
  • 踩
  • 21
    收藏
    觉得还不错? 一键收藏
  • 20
    评论
专栏目录
博客
阿里云魏子珺：阿里云Elasticsearch AI 搜索实践
08-21 954
作者：阿里云魏子珺【AI搜索 TechDay】是 Elastic 和阿里云联合主办的 AI 技术 Meetup 系列，聚焦企业级 AI 搜索应用和开发者动手实践，旨在帮助开发者在大模型浪潮下升级 AI 搜索，助力业务增长。本次分享聚焦于阿里云 ES 平台上的 AI 搜索实践与探索。经过团队研究，我们已在多个方向取得实质性进展。我先简要概述 ES 在 AI 领域的核心特性，提供一个概览性的理解。
博客
Elastic 线下 Meetup 将于 2024 年 8 月 25 号在南京举办
07-29 1782
2024 Elastic Meetup 南京站 将于 2024 年 8 月 25 日 13:30-18:00 举办。由 Elastic、华博集团、新智锦绣联合举办，现诚邀广大技术爱好者及开发者参加。
博客
Elastic：如何成为一名 Elastic 认证工程师，Elastic 认证分析师及 Elastic 认证可观测性工程师
10-28 2万+
Elasticsearch 无疑是是目前世界上最为流行的大数据搜索引擎。根据 DB - Engines 的统计，Elasticsearch 雄踞排行榜第一名，并且市场还在不断地扩大：能够成为一名 Elastic 认证工程师也是很多开发者的梦想。这个代表了 Elastic 的最高认证，在业界也得到了很高的认知度。得到认证的工程师，必须除了具有丰富的 Elastic Stack 知识，而且必须有丰富的操作及有效的解决问题的能力。拥有这个认证证书，也代表了个人及公司的荣誉。针对个人的好处是，你可以..
博客
Elastic：开发者上手指南
02-25 15万+
你们好，我是Elastic的刘晓国。如果大家想开始学习Elastic的话，那么这里将是你理想的学习园地。在我的博客几乎涵盖了你想学习的许多方面。在这里，我来讲述一下作为一个菜鸟该如何阅读我的这些博客文章。我们可以按照如下的步骤来学习：1)Elasticsearch简介：对Elasticsearch做了一个简单的介绍2)Elasticsearch中的一些重要概念:cluster, n..........................................................
博客
Elastic：培训视频 - ​在生产环境中配置 Fleet Server 和 Elastic Agent 之间的安全
01-06 1万+
在这篇文章中，我将会把我写的有些内容录制成视频，供大家参考。希望对大家有所帮助。优酷的视频频道地址在这里。Elastic 简介及Elastic Stack 安装：优酷，腾讯 Elastic Stack docker 部署：优酷，腾讯 Elasticsearch中的一些重要概念（Cluster/Shards/Replica/Document/Type/Index）：优酷，腾讯 开始使用El...............
博客
Elasticsearch 简介
08-08 16万+
Elasticsearch是一个非常强大的搜索引擎。它目前被广泛地使用于各个IT公司。Elasticsearch是由Elastic公司创建并开源维护的。它的开源代码位于https://github.com/elastic/elasticsearch。同时，Elastic公司也拥有Logstash及Kibana开源项目。这个三个开源项目组合在一起，就形成了 ELK软件栈。他们三个共同形成了一个强大的...
博客
Elasticsearch：使用 semantic_text 进行语义搜索
08-23 864
截止 8.15 版本，此功能处于测试阶段，可能会发生变化。设计和代码不如官方 GA 功能成熟，并且按原样提供，不提供任何保证。测试版功能不受官方 GA 功能的支持 SLA 约束。本教程向你展示如何使用 semantic text 功能对数据执行语义搜索。语义文本通过在提取时提供推理并自动提供合理的默认值来简化推理工作流程。你无需定义与模型相关的设置和参数，也无需创建推理提取管道。在 Elastic Stack 中使用的推荐方法是遵循 semantic_text 工作流程。
博客
Elasticsearch：使用 ELSER 进行语义搜索 - sparse_vector
08-23 1036
Elastic Learned Sparse EncodeR（或 ELSER）是由 Elastic 训练的 NLP 模型，可让你使用稀疏向量表示执行语义搜索。语义搜索不是根据搜索词进行文字匹配，而是根据搜索查询的意图和上下文含义检索结果。本教程中的说明向你展示了如何使用 ELSER 对数据执行语义搜索。：有关在 Elastic Stack 中执行语义搜索的最简单方法，请参阅端到端教程。：使用 ELSER 进行语义搜索时，每个字段仅考虑前 512 个提取的标记。请参阅了解更多信息。
博客
重新审视 ChatGPT 和 Elasticsearch：RAG 真正将应用程序紧密结合在一起
08-23 1000
自一年多前第一次发布此博客以来，发生了很多变化，我们在本博客中涵盖了很多内容。你从云 API 密钥开始，创建了 Elasticsearch Serverless 项目，生成了云 API 密钥，配置了 Open Web Crawler，爬取了三个 Elastic Lab 站点，对长文本进行了分块，生成了嵌入，测试了 RAG 应用程序的最佳聊天设置，并导出了代码！UI 在哪里，Vestal？请关注第二部分，我们将在其中将操场代码集成到具有 React 前端的 Python 后端中。
博客
成为百万富翁的几率 vs. 被公交车撞的几率：一次 ES|QL 分析
08-21 1121
Elasticsearch 查询语言 (ES|QL) 的出现对我们的用户来说是一个非常令人兴奋的消息。它大大简化了查询、分析和可视化存储在 Elasticsearch 中的数据，使其成为所有数据驱动用例的强大工具。ES|QL 附带各种函数和运算符，用于执行聚合、统计分析和数据转换。我们不会在本篇博文中介绍所有这些内容，但我们的文档非常详细，将帮助你熟悉该语言及其可能性。要立即开始使用 ES|QL 并运行博文查询，只需在Elastic Cloud 上开始试用，加载数据并运行你的第一个 ES|QL 查询。
博客
aNN 与 kNN：了解它们在向量搜索中的区别和作用
08-21 730
在当今的数字时代，数据呈指数级增长，且日益复杂，高效搜索和分析这一浩瀚信息海洋的能力从未如此重要。但同时也从未如此具有挑战性。这就像大海捞针，但挑战在于针的形状不断变化。这就是向量搜索作为游戏规则改变者出现的地方，它改变了我们与大型数据集的交互方式。它通过将数据转换为向量（多维空间中的数学表示）来实现这一点，从而实现更细致入微和上下文感知的搜索。向量搜索的核心是两种关键算法：近似最近邻 () 和 K 最近邻 (这些算法是增强搜索能力的基础，两者都具有各自的独特优势。
博客
超越 RAG 基础：AI 应用的高级策略
08-20 1071
作者：来自我们最近深入探讨了检索增强生成 () 的世界，重点讨论了在概念验证阶段之后构建 RAG 应用程序的关键注意事项。我们的演讲者是 Elastic 的首席解决方案架构师 Lily Adler 和 Cohere 的高级产品经理 Maxime Voisin，他们就这一不断发展的自然语言处理 () 领域的挑战、解决方案和最佳实践分享了宝贵的见解。
博客
Elastic 被评为 2024 年 Gartner 可观测性平台魔力象限领导者
08-20 761
Elastic 被评为 2024 年 Gartner® 可观测性平台魔力象限™ 的领导者。随着运营团队处理日益复杂的问题和呈指数级增长的数据，对可观测性平台的需求也在不断演变。生成式 AI 等新兴趋势正在推动主动根本原因检测和解决的范式转变。我们认为 Elastic 在 2024 年 Gartner 可观测性平台魔力象限中被评为领导者，证明了 Elastic 所实现的创新。
博客
使用 Elasticsearch-DSL Python 客户端简化向量嵌入
08-19 1230
在本文中，我们将介绍 Python 版 Elasticsearch-DSL 客户端，重点介绍它如何简化构建有时被 称为 “高级” Python 客户端，它提供对 Elasticsearch 数据库的惯用（或 “Pythonic”）访问，而官方（或 “低级”）Python 客户端则提供对 Elasticsearch 全部功能和端点的直接访问。使用 Elasticsearch-DSL 时，Elasticsearch 索引的结构（或 “mapping - 映射”）被定义为类，
博客
阿里云搜索专家实操：如何高效构建企业级 AI 搜索？
08-15 1098
阿里云 AI 搜索的方案，基于阿里云 Elasticsearch Inference API，可以结合阿里云自研的 AI 模型服务，灵活的搭建语义搜索或者是 RAG 链路。AI 搜索可以基于 ES 语法进行灵活的编排，易用性更高，后面的实操环节大家可以具体体验下。直接使用大模型去进行语义搜索，不仅有成本的问题，还会有准确性的问题。阿里云 AI 搜索 RAG 全链路，不论是对文本的解析处理，还是切分、向量化，以及混合检索，其实都是为了提升搜索的准确率。通过提升搜索的准确率，拿到最精准的结果，然后再组成
博客
采用 Phi-3 小型模型和 Elastic 的智能订购系统
08-14 1448
本文向你展示如何将 Microsoft 高效的与 Elastic 的语义搜索功能相结合，以创建智能的对话式订购系统。我们将介绍如何在 Azure AI Studio 上部署 phi-3、设置 Elastic 以及为一家意大利餐厅构建应用程序。4 月，Microsoft 宣布推出其最先进的系列，这些模型是经济高效的模型，经过优化，可在资源受限的条件下以低延迟执行，非常适合大规模/实时任务。这两个模型的最大支持上下文长度为 8K 和 128K 个 token，都是 7B 参数。
博客
Elasticsearch：使用 ES|QL 进行地理空间搜索
08-13 1128
​多年来，Elasticsearch 一直具有强大的地理空间搜索和分析功能，但其 API 与典型的 GIS 用户习惯的 API 截然不同。在过去的一年中，我们添加了 ES|QL 查询语言，这是一种管道查询语言，与 SQL 一样简单，甚至更简单。它特别适合 Elastic 擅长的搜索、安全性和可观察性用例。我们还在 ES|QL 中添加了对地理空间搜索和分析的支持，使其使用起来更加容易，尤其是对于来自 SQL 或 GIS 社区的用户而言。
博客
Elasticsearch：引入 Serverless 精简索引分片
08-12 847
在本文中，我们将介绍 Elasticsearch 的精简索引分片（thin indexing shards），这是我们为开发的一种新型分片，允许将 Elasticsearch 索引存储在云对象存储中。我们首先回顾一下 Elasticsearch 目前如何存储和复制数据，然后再深入探讨精简索引分片为远程存储数据而引入的变化。我们将看到，精简索引分片之所以得名，是因为它们管理数据文件的生命周期，从在本地磁盘上创建到在对象存储中上传，再到最终从磁盘中删除，这只能暂时增加磁盘空间。
博客
Elasticsearch 8 RAG 技术分享
08-12 1040
本文由Elastic 中国区首席架构师 Jerry Zhu 在【AI 搜索 TechDay】上的分享整理而成。【AI 搜索 TechDay】 是 Elastic 和阿里云联合主办的 AI 技术 Meetup 系列，聚焦企业级 AI 搜索应用和开发者动手实践，旨在帮助开发者在大模型浪潮下升级 AI 搜索，助力业务增长。
博客
停止项目大小调整，开始搜索层自动缩放！
08-12 719
Elastic serverless 是 Elastic 推出的一款完全托管产品，它使你无需管理底层 Elastic 基础设施即可部署和使用 Elastic 产品，而是专注于最大限度地利用数据。自我管理基础设施面临的挑战之一是应对客户不断变化的需求。在动态的数据管理世界中，灵活性和适应性至关重要，而传统的扩展方法往往不够完善，需要手动调整，这既耗时又不精确。借助搜索层自动扩展，我们的 serverless 产品会自动调整资源以实时满足你的工作负载需求。
评论 20
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值