一、历史背景（秃子都厉害么？）
ES的起源，Shay Banon说当年他还是一个待业工程师，跟随自己的新婚妻子来到伦敦，妻子想在伦敦学习做一名厨师，而自己则想为妻子开发一个方便搜索菜谱的应用，所以才接触到 Lucene。直接使用 Lucene 构建搜索有很多问题，包含大量重复性的工作，所以 Shay Banon 便在 Lucene 的基础上不断地进行抽象，让 Java 程序嵌入搜索变得更容易，经过一段时间的打磨便诞生了他的第一个开源作品“Compass”，中文即“指南针”的意思。之后，他找到了一份面对高性能分布式开发环境的新工作，在工作中他渐渐发现越来越需要一个易用的、高性能、实时、分布式搜索服务，于是决定重写 Compass，将它从一个库打造成了一个独立的 server，并创建了Elasticsearch。
Shay Banon 在 2004 年创造了 Elasticsearch的前身，称为 Compass。在考虑 Compass 的第三个版本时，他意识到有必要重写 Compass 的大部分内容，以 “创建一个可扩展的搜索解决方案”。因此，他创建了 “一个从头构建的分布式解决方案”，并使用了一个公共接口，即 HTTP 上的 JSON，它也适用于 Java 以外的编程语言。Shay Banon 在 2010 年 2 月发布了 Elasticsearch 的第一个版本。
Elasticsearch BV 成立于 2012 年，主要围绕 Elasticsearch 及相关软件提供商业服务和产品。2014 年 6 月，在成立公司 18 个月后，该公司宣布通过 C 轮融资筹集 7000 万美元。这轮融资由新企业协会(NEA)牵头。其他投资者包括 Benchmark Capital 和 Index Ventures。这一轮融资总计 1.04 亿美元。
2015 年 3 月，Elasticsearch 公司更名为 Elastic。
在 2018 年 6 月，Elastic 提交了首次公开募股申请，估值在 15 亿到 30 亿美元之间。公司于 2018 年 10 月 5 日在纽约证券交易所挂牌上市。一些组织将 Elasticsearch 作为托管服务提供。这些托管服务提供托管、部署、备份和其他支持。大多数托管服务还包括对 Kibana 的支持。
Elasticsearch 自从诞生以来，其的应用越来越广泛，特别是大数据领域，功能也越来越强大，但是如何有效的监控管理 Elasticsearch 一直是公司所面对的难题，由于 Elasticsearch 集群的稳定性，决定了其业务发展的高度，对于一个应用来说其稳定是第一目标，所以完善的监控体系是必不可少的。此外，Elasticsearch 写入和查询对资源的消耗都很大，如何合理有效地控制资源，既能满足写入和查询的需求，又能满足资源充分利用，这是公司必须面对的问题。
在国内，还没较为完善的面向 Elasticsearch 的监控管理平台，很多企业往往只关注搭建一套简单分布式的集群环境，而对这个集群的缺乏监控和管理，元数据混乱，写入和查询耦合，缺乏监控一旦集群出现问题，就会导致数据丢失，甚至很容易导致线上应用故障。相比于小公司，中大型公司的资金较为充足，所以中大型公司，会选择为每个应用去维护一套集群，但是这每当资源不够需要扩容或者缩容时，极其不方便，需要增加删除节点，其运维成本过高。
而且对每个应用来说，可能不能够充分利用资源，但是如果和其他应用混合部署，但是又涉及到复杂的资源分配问题，而且随着应用的发展，资源经常需要变动。在国外，ELasticsearch 的应用也很广泛，也有对 Elasticsearch 进行很好的监控和管理，Amazon AWS 中也有基于 Elasticsearch 构建的平台服务，帮助电商应用程序，网站等提供安全，高可靠，低成本，低延时，高吞吐的量的个性化搜索。
二、使用场景
记录和日志分析
围绕 Elasticsearch 构建的生态系统使其成为最容易实施和扩展日志记录解决方案之一。从 Beats，Logstash 到 Ingest Nodes，Elasticsearch 为您提供了大量的选项，可以在任何地方获取数据并将其索引化。然后，使用 Kibana 工具使您能够创建丰富的仪表板和分析，而 Curator 使得您自动化管理索引的生命周期。采集和组合公共数据，与日志数据一样，Elastic Stack 拥有大量工具，可以轻松抓取和索引远程数据。此外，与大多数文档存储一样，非严格的模式使 Elasticsearch 可以灵活地接收多个不同的数据源，并能使得这些数据可以管理和搜索。
全文搜索
毫无疑问，作为 Elasticsearch 的核心功能，全文搜索在此列表中占据重要位置。很多事实已经证明 Elasticsearch 的搜索功能强大，灵活，并且包含大量工具以使搜索更容易; Elasticsearch 有自己的查询 DSL、内置的自动补全功能等等。
事件数据和指标
Elasticsearch 还可以很好地处理时间序列数据，如指标（metrics ）和应用程序事件。这是另一个巨大的 Beats 生态系统允许您轻松获取常见应用程序数据的区域。无论您使用何种技术，Elasticsearch 都有很好的机会获取开箱即用的指标和事件，添加该功能非常简单。
数据可视化
凭借大量的图表选项，地理数据的平铺服务和时间序列数据的 TimeLion，Kibana 是一款功能强大且易于使用的可视化工具。对于上面的每个用例，Kibana 都会处理一些可视化组件。
考虑使用ES场景:
响应时间：
MySQL当数据库中的文档数仅仅上万条时，关键词查询就比较慢了。如果一旦到企业级的数据，响应速度就会更加不可接受。原因是 在数据库做模糊查询时，如LIKE语句，它会遍历整张表，同时进行字符串匹配。这个步骤不高效，而且随着数据量的增大，消耗的资源和时间都会线性的增长。
ES搜索服务后，这个问题被很好解决，TB级数据在毫秒级就能返回检索结果，很好地解决了痛点。
分词方面：
MySQL在做中文搜索时，组合词检索在数据库是很难完成的。例如，当用户在搜索框输入“中国足球”时，数据库通常只能把这四个字去进行全部匹配。可是在文本中，可能会出现“推荐中国足球的赛事”，这时候就没有结果了。因为数据库并不支持分词。如果人工去开发分词功能，费时费精力。ES搜索服务后，就不用太过于关注分词了，因为Elasticsearch支持中文分词插件，很好地解决了问题。因为当用户使用Elasticsearch时进行搜索时，Elasticsearch就自动帮他分好词了。例如输入“中国足球”时，Elasticsearch会自动做下面两件事 （1） 将“中国足球”分词成“中国”和“足球” （2） 查找包含这两个词的文档
相关性方面：
MySQL在用数据库做搜索时，结果经常会出现一系列不匹配的文档，需求： · 到底什么文档是用户真正想要的呢？ · 怎么才能把用户想看的文档放在搜索列表最前面呢？
数据库并不支持相关性搜索。例如，当用户搜索“咖啡厅”的时候，他很可能更想知道附近哪里可以喝咖啡，而不是怎么开咖啡厅。ES搜索服务后能很好地支持相关性评分。通过合理的优化，ES搜索服务能够返回精准的结果，满足用户的需求。因为Elasticsearch支持全文搜索和相关度评分。这样在返回结果就会根据分数由高到低排列。分数越高，意味着和查询语句越相关。例如，当用户搜索“星巴克咖啡”，带有“星巴克咖啡”的信息就要比只包含“咖啡”的信息靠前。
三、ES优缺点
优点：
-
分布式：节点对外表现对等，加入节点自动均衡
-
elasticsearch 完全支持 Apache Lucene 的接近实时的搜索
-
各节点组成对等的网络结构，当某个节点出现故障时会自动分配其他节点代替期进行工作
-
横向可扩展性，如果你需要增加一台服务器，只需要做点配置，然后启动就ok了
-
高可用：提供复制（replica）机制，一个分片可以设置多个复制，使得某台服务器宕机的情况下，集群仍旧可以照常运行，并会把由于服务器宕机丢失的复制恢复到其它可用节点上；这点也类似于 HDFS 的复制机制（HDFS 中默认是 3 份复制）
缺点：
-
不支持事物
-
相对吃内存
ES不是数据库，它适合于海量数据、更新频率很低的数据(ES没有事务也不适合处理并行更改数据)。
四、整体架构
1. Gateway是ES用来存储索引的文件系统，支持多种类型。 2. Gateway的上层是一个分布式的lucene框架。 3. Lucene之上是ES的模块，包括：索引模块、搜索模块、映射解析模块等 4. ES模块之上是 Discovery、Scripting和第三方插件。Discovery是ES的节点发现模块，不同机器上的ES节点要组成集群需要进行消息通信，集群内部需要选举master节点，这些工作都是由Discovery模块完成。支持多种发现机制，如 Zen 、EC2、gce、Azure。Scripting用来支持在查询语句中插入javascript、python等脚本语言，scripting模块负责解析这些脚本，使用脚本语句性能稍低。ES也支持多种第三方插件。 5. 再上层是ES的传输模块和JMX.传输模块支持多种传输协议，如 Thrift、memecached、http，默认使用http。JMX是java的管理框架，用来管理ES应用。 6. 最上层是ES提供给用户的接口，可以通过RESTful接口和ES集群进行交互。
五、核心概念
Near Realtime (NRT)近实时：数据提交索引后，立马就可以搜索到。 Cluster集群：一个集群由一个唯一的名字标识，默认为“elasticsearch”。集群名称非常重要，具体相同集群名的节点才会组成一个集群。集群名称可以在配置文件中指定。集群中有多个节点，其中有一个为主节点，这个主节点是可以通过选举产生的，主从节点是对于集群内部来说的。ElasticSearch的一个概念就是去中心化，字面上理解就是无中心节点，这是对于集群外部来说的，因为从外部来看ElasticSearch集群，在逻辑上是个整体，你与任何一个节点的通信和与整个ElasticSearch集群通信是等价的。 Node 节点：存储集群的数据，参与集群的索引和搜索功能。像集群有名字，节点也有自己的名称，默认在启动时会以一个随机的UUID的前七个字符作为节点的名字，你可以为其指定任意的名字。通过集群名在网络中发现同伴组成集群。一个节点也可是集群。每一个运行实例称为一个节点,每一个运行实例既可以在同一机器上,也可以在不同的机器上。所谓运行实例,就是一个服务器进程，在测试环境中可以在一台服务器上运行多个服务器进程，在生产环境中建议每台服务器运行一个服务器进程。 Index 索引（）: 一个索引是一个文档的集合（等同于solr中的集合）。每个索引有唯一的名字，通过这个名字来操作它。一个集群中可以有任意多个索引。索引作动词时，指索引数据、或对数据进行索引。Type 类型：指在一个索引中，可以索引不同类型的文档，如用户数据、博客数据。从6.0.0 版本起已废弃，一个索引中只存放一类数据。Elasticsearch里的索引概念是名词而不是动词，在elasticsearch里它支持多个索引。 一个索引就是一个拥有相似特征的文档的集合。比如说，你可以有一个客户数据的索引，另一个产品目录的索引，还有一个订单数据的索引。一个索引由一个名字来 标识（必须全部是小写字母的），并且当我们要对这个索引中的文档进行索引、搜索、更新和删除的时候，都要使用到这个名字。在一个集群中，你能够创建任意多个索引。 Document 文档：被索引的一条数据，索引的基本信息单元，以JSON格式来表示。一个文档是一个可被索引的基础信息单元。比如，你可以拥有某一个客户的文档、某一个产品的一个文档、某个订单的一个文档。文档以JSON格式来表示，而JSON是一个到处存在的互联网数据交互格式。在一个index/type里面，你可以存储任意多的文档。注意，一个文档物理上存在于一个索引之中，但文档必须被索引/赋予一个索引的type。 Shard 分片：在创建一个索引时可以指定分成多少个分片来存储。每个分片本身也是一个功能完善且独立的“索引”，可以被放置在集群的任意节点上（分片数创建索引时指定，创建后不可改了。备份数可以随时改）。索引分片，ElasticSearch可以把一个完整的索引分成多个分片，这样的好处是可以把一个大的索引拆分成多个，分布到不同的节点上。构成分布式搜索。分片的数量只能在索引创建前指定，并且索引创建后不能更改。分片的好处： - 允许我们水平切分/扩展容量 - 可在多个分片上进行分布式的、并行的操作，提高系统的性能和吞吐量。 Replication 备份： 一个分片可以有多个备份（副本）。备份的好处： - 高可用扩展搜索的并发能力、吞吐量。 - 搜索可以在所有的副本上并行运行。 primary shard：主分片，每个文档都存储在一个分片中，当你存储一个文档的时候，系统会首先存储在主分片中，然后会复制到不同的副本中。默认情况下，一个索引有5个主分片。你可以在事先制定分片的数量，当分片一旦建立，分片的数量则不能修改。 replica shard：副本分片，每一个分片有零个或多个副本。副本主要是主分片的复制，其中有两个目的： - 增加高可用性：当主分片失败的时候，可以从副本分片中选择一个作为主分片。 - 提高性能：当查询的时候可以到主分片或者副本分片中进行查询。默认情况下，一个主分配有一个副本，但副本的数量可以在后面动态的配置增加。副本必须部署在不同的节点上，不能部署在和主分片相同的节点上。 term索引词：在elasticsearch中索引词(term)是一个能够被索引的精确值。foo，Foo几个单词是不相同的索引词。索引词(term)是可以通过term查询进行准确搜索。 text文本：是一段普通的非结构化文字，通常，文本会被分析称一个个的索引词，存储在elasticsearch的索引库中，为了让文本能够进行搜索，文本字段需要事先进行分析；当对文本中的关键词进行查询的时候，搜索引擎应该根据搜索条件搜索出原文本。 analysis：分析是将文本转换为索引词的过程，分析的结果依赖于分词器，比如： FOO BAR, Foo-Bar, foo bar这几个单词有可能会被分析成相同的索引词foo和bar，这些索引词存储在elasticsearch的索引库中。当用 FoO:bAR进行全文搜索的时候，搜索引擎根据匹配计算也能在索引库中搜索出之前的内容。这就是elasticsearch的搜索分析。 routing路由：当存储一个文档的时候，他会存储在一个唯一的主分片中，具体哪个分片是通过散列值的进行选择。默认情况下，这个值是由文档的id生成。如果文档有一个指定的父文档，从父文档ID中生成，该值可以在存储文档的时候进行修改。 type类型：在一个索引中，你可以定义一种或多种类型。一个类型是你的索引的一个逻辑上的分类/分区，其语义完全由你来定。通常，会为具有一组相同字段的文档定义一个类型。比如说，我们假设你运营一个博客平台 并且将你所有的数据存储到一个索引中。在这个索引中，你可以为用户数据定义一个类型，为博客数据定义另一个类型，当然，也可以为评论数据定义另一个类型。 template：索引可使用预定义的模板进行创建,这个模板称作Index templatElasticSearch。模板设置包括settings和mappings。 mapping：映射像关系数据库中的表结构，每一个索引都有一个映射，它定义了索引中的每一个字段类型，以及一个索引范围内的设置。一个映射可以事先被定义，或者在第一次存储文档的时候自动识别。 field：一个文档中包含零个或者多个字段，字段可以是一个简单的值（例如字符串、整数、日期），也可以是一个数组或对象的嵌套结构。字段类似于关系数据库中的表中的列。每个字段都对应一个字段类型，例如整数、字符串、对象等。字段还可以指定如何分析该字段的值。 source field：默认情况下，你的原文档将被存储在_source这个字段中，当你查询的时候也是返回这个字段。这允许您可以从搜索结果中访问原始的对象，这个对象返回一个精确的json字符串，这个对象不显示索引分析后的其他任何数据。 id：一个文件的唯一标识，如果在存库的时候没有提供id，系统会自动生成一个id，文档的index/type/id必须是唯一的。 recovery：代表数据恢复或叫数据重新分布，ElasticSearch在有节点加入或退出时会根据机器的负载对索引分片进行重新分配，挂掉的节点重新启动时也会进行数据恢复。 River：代表ElasticSearch的一个数据源，也是其它存储方式（如：数据库）同步数据到ElasticSearch的一个方法。它是以插件方式存在的一个ElasticSearch服务，通过读取river中的数据并把它索引到ElasticSearch中，官方的river有couchDB的，RabbitMQ的，Twitter的，Wikipedia的，river这个功能将会在后面的文件中重点说到。 gateway：代表ElasticSearch索引的持久化存储方式，ElasticSearch默认是先把索引存放到内存中，当内存满了时再持久化到硬盘。当这个ElasticSearch集群关闭再重新启动时就会从gateway中读取索引数据。ElasticSearch支持多种类型的gateway，有本地文件系统(默认), 分布式文件系统，Hadoop的HDFS和amazon的s3云存储服务。 discovery.zen：代表ElasticSearch的自动发现节点机制，ElasticSearch是一个基于p2p的系统，它先通过广播寻找存在的节点，再通过多播协议来进行节点之间的通信，同时也支持点对点的交互。 Transport：代表ElasticSearch内部节点或集群与客户端的交互方式，默认内部是使用tcp协议进行交互，同时它支持http协议（json格式）、thrift、servlet、memcached、zeroMQ等的传输协议（通过插件方式集成）。
六、工作原理
启动过程
当ElasticSearch的节点启动后，它会利用多播(multicast)(或者单播，如果用户更改了配置)寻找集群中的其它节点，并与之建立连接。这个过程如下图所示
在集群中，一个节点被选举成主节点(master node)。这个节点负责管理集群的状态，当群集的拓扑结构改变时把索引分片分派到相应的节点上。
探测失效节点
在正常工作时，主节点会监控所有的节点，查看各个节点是否工作正常。如果在指定的时间里面，节点无法访问，该节点就被视为出故障了，接下来错误处理程序就会启动。集群需要重新均衡——由于该节点出现故障，分配到该节点的索引分片丢失。其它节点上相应的分片就会把工作接管过来。换句话说，对于每个丢失的主分片，新的主分片将从剩余的分片副本(Replica)中选举出来。重新安置新的分片和副本的这个过程可以通过配置来满足用户需求。 
文档写入原理
1.选择任意一个DataNode发送请求，例如：node2。此时，node2就成为一个coordinating node（协调节点）
2.计算得到文档要写入的分片 'shard = hash(routing) % number_of_primary_shards' routing 是一个可变值，默认是文档的 _id
3.coordinating node会进行路由，将请求转发给对应的primary shard所在的DataNode（假设primary shard在node1、replica shard在node2）
4.node1节点上的Primary Shard处理请求，写入数据到索引库中，并将数据同步到Replica shard
5.Primary Shard和Replica Shard都保存好了文档，返回client
查询原理
查询的时候操作系统会将磁盘文件里的数据自动缓存到 filesystem cache。Elasticsearch 严重依赖于底层的 filesystem cache，如果给 filesystem cache 很大，可以容纳所有的 index、segment 等文件，那么搜索的时候就基本都是走内存的，性能会非常高；反之，搜索速度并不会很快。
-
client发起查询请求，某个DataNode接收到请求，该DataNode就会成为协调节点（Coordinating Node）
-
协调节点（Coordinating Node）将查询请求广播到每一个数据节点，这些数据节点的分片会处理该查询请求
-
每个分片进行数据查询，将符合条件的数据放在一个优先队列中，并将这些数据的文档ID、节点信息、分片信息返回给协调节点
-
协调节点将所有的结果进行汇总，并进行全局排序
-
协调节点向包含这些文档ID的分片发送get请求，对应的分片将文档数据返回给协调节点，最后协调节点将数据返回给客户端
七、集群搭建
我初始写的是个md文件，文档可能格式会乱，贴一下md的百度云连接
链接: https://pan.baidu.com/s/1TrJdhonnTaTDXFXPyqNPpA?pwd=mezf 提取码: mezf 复制这段内容后打开百度网盘手机App，操作更方便哦
1.下载地址
#es下载地址，我使用的是7.4.1版本
Past Releases of Elastic Stack Software | Elastic
#分词器下载地址 我使用的是7.4.1的zip包
https://github.com/medcl/elasticsearch-analysis-ik/releases
2.新建用户
#创建用户
useradd es
#设置密码
passwd es
#查看用户（看不看都行）
cut -d : -f 1 /etc/passwd#查看属组（看不看都行）
cut -d : -f 1 /etc/group
3.创建文件夹&授权
#所有节点操作一样，除了配置文件略有不同
#解压
tar -zxvf elasticsearch-7.4.1-linux-x86_64.tar.gz -C /opt/
#授权
chown -R es:es /opt/elasticsearch-7.4.1
#创建目录
mkdir -p /var/lib/elasticsearch
mkdir -p /var/log/elasticsearch
依次进入/var/lib 和 /var/log
#授权
chown -R es:es ./elasticsearch/
4.配置
vi /etc/sysctl.conf
vm.max_map_count = 262144#校验是否生效
sysctl -p
#设置es在系统中的文件数量
vi /etc/security/limits.conf
elastic soft nofile 65536 elastic hard nofile 65536 elastic soft memlock unlimited elastic hard memlock unlimited#修改配置文件，其中network.host填写实际本机ip，node.name分别填写master或slave
vi /opt/elasticsearch-7.4.1/config/elasticsearch.yml
#mater节点配置示例 cluster.name: TEST_ES_CLUSTER node.name: master network.host: 192.168.72.140 # 可以配置多个master cluster.initial_master_nodes: ["master"] path.data: /var/lib/elasticsearch path.logs: /var/log/elasticsearch bootstrap.memory_lock: true # 有多少个服务器就配多少个，可以横向扩展，很方便 discovery.zen.ping.unicast.hosts: ["192.168.72.140", "192.168.72.141", "192.168.72.142","192.168.72.143","192.168.72.144","192.168.72.145"] discovery.zen.minimum_master_nodes: 2 gateway.recover_after_nodes: 2 #slave节点配置示例 cluster.name: TEST_ES_CLUSTER node.name: slave1 network.host: 192.168.72.141 # 可以配置多个master cluster.initial_master_nodes: ["master"] path.data: /var/lib/elasticsearch path.logs: /var/log/elasticsearch bootstrap.memory_lock: true # 有多少个服务器就配多少个，可以横向扩展，很方便 discovery.zen.ping.unicast.hosts: ["192.168.72.140", "192.168.72.141", "192.168.72.142","192.168.72.143","192.168.72.144","192.168.72.145"] discovery.zen.minimum_master_nodes: 2 gateway.recover_after_nodes: 2
5.启动准备
vi /usr/lib/systemd/system/elasticsearch.service
[Unit] Description=ElasticSearch Requires=network.service After=network.service [Service] User=es Group=es LimitNOFILE=65536 LimitMEMLOCK=infinity Environment=/opt/elasticsearch-7.4.1/jdk ExecStart=/opt/elasticsearch-7.4.1/bin/elasticsearch SuccessExitStatus=143 [Install] WantedBy=multi-user.target
6.启动命令
systemctl daemon-reload systemctl start elasticsearch systemctl status elasticsearch systemctl restart elasticsearch //开机自启 systemctl enable elasticsearch //取消开机自启 systemctl disable elasticsearch
7.安装分词器
cd /opt/elasticsearch-7.4.1/plugins
mkdir ik
拷贝ik分词器.zip包到/opt/elasticsearch-7.4.1/plugins/ik目录下
upzip elasticsearch-analysis-ik-7.4.1.zip
systemctl restart elasticsearch
如果重启报权限问题，配置jdk的策略
vi /opt/elasticsearch-7.4.1/jdk/lib/security/default.policy
在最后一个 "}" 前追加下面一行
permission java.net.SocketPermission ":","accept,connect,resolve";
八、使用插件
Cerebro是一个集群管理工具，比Kibana轻量很多，很适用与生产和测试等环境的es集群管理。它是kopf的升级版本，更改了个名字，包含kopf的功能(监控工具，并包含head插件的部分功能，可图形化的进行新建索引等操作。
https://github.com/lmenezes/cerebro/releases
访问如下，其中该工具的conf下的配置文件可以定义集群路径
bin目录下启动该工具
cd /root/
nohup ./cerebro -Dhttp.port=9000 > /dev/null 2>&1 &
http://192.168.72.140:9000/#/overview?host=ning%20cluster
elasticsearch-head
需要node、git环境
git clone git://github.com/mobz/elasticsearch-head.git cd elasticsearch-head npm install npm run start
九、性能优化
1. 硬件选择 目前公司的物理机机型在CPU和内存方面都满足需求，建议使用SSD机型。原因在于，可以快速把 Lucene 的索引文件加载入内存（这在宕机恢复的情况下尤为明显），减少 IO 负载和 IO wait以便CPU不总是在等待IO中断。建议使用多裸盘而非raid，因为 ElasticSearch 本身就支持多目录，raid 要么牺牲空间要么牺牲可用性。
2. 系统配置 ElasticSearch 理论上必须单独部署，并且会独占几乎所有系统资源，因此需要对系统进行配置，以保证运行 ElasticSearch 的用户可以使用足够多的资源。生产集群需要调整的配置如下： 1. 设置 JVM 堆大小； 2. 关闭 swap； 3. 增加文件描述符； 4. 保证足够的虚存； 5. 保证足够的线程； 6. 暂时不建议使用G1GC；
3. 设置 JVM 堆大小 ElasticSearch 需要有足够的 JVM 堆支撑索引数据的加载，对于公司的机型来说，因为都是大于 128GB 的，所以推荐的配置是 32GB（如果 JVM 以不等的初始和最大堆大小启动，则在系统使用过程中可能会因为 JVM 堆的大小调整而容易中断。 为了避免这些调整大小的暂停，最好使用初始堆大小等于最大堆大小的 JVM 来启动），预留足够的 IO Cache 给 Lucene（官方建议超过一半的内存需要预留）。
4. 关闭 swap & 禁用交换 必须要关闭 swap，因为在物理内存不足时，如果发生 FGC，在回收虚拟内存的时候会造成长时间的 stop-the-world，最严重的后果是造成集群雪崩。公司的默认模板是关闭的，但是要巡检一遍，避免有些机器存在问题。设置方法：
Step1. root 用户临时关闭 # swapoff -a # sysctl vm.swappiness=0 Step2. 修改 /etc/fstab，注释掉 swap 这行 Step3. 修改 /etc/sysctl.conf，添加： vm.swappiness = 0 Step4. 确认是否生效 # sysctl vm.swappiness
也可以通过修改 yml 配置文件的方式从 ElasticSearch 层面禁止物理内存和交换区之间交换内存，修改 ${PATH_TO_ES_HOME}/config/elasticsearch.yml，添加： bootstrap.memory_lock: true
释放内存
POST /${INDEX_NAME}/_forcemerge?max_num_segments=1&only_expunge_deletes=true&wait_for_completion=true
POST /${INDEX_PATTERN}/_forcemerge?max_num_segments=1&only_expunge_deletes=true&wait_for_completion=true
十、参考网站
十一、postman测试json文件，复制json，导入postman
{
"info": {
"_postman_id": "113c7f6e-b1bc-4926-97af-5d768cd1ce73",
"name": "存储请求集合ES",
"schema": "https://schema.getpostman.com/json/collection/v2.1.0/collection.json"
},
"item": [
{
"name": "ES返回cat开头的api",
"request": {
"method": "GET",
"header": [],
"url": {
"raw": "http://192.168.72.140:9200/_cat",
"protocol": "http",
"host": [
"192",
"168",
"72",
"140"
],
"port": "9200",
"path": [
"_cat"
]
}
},
"response": []
},
{
"name": "创建ES索引index",
"request": {
"method": "PUT",
"header": [],
"body": {
"mode": "raw",
"raw": "{\r\n \r\n}",
"options": {
"raw": {
"language": "json"
}
}
},
"url": {
"raw": "http://192.168.72.140:9200/index",
"protocol": "http",
"host": [
"192",
"168",
"72",
"140"
],
"port": "9200",
"path": [
"index"
]
},
"description": "http://192.168.72.140:9200/index"
},
"response": []
},
{
"name": "查询单条索引信息index",
"request": {
"method": "GET",
"header": [],
"url": {
"raw": "http://192.168.72.140:9200/index",
"protocol": "http",
"host": [
"192",
"168",
"72",
"140"
],
"port": "9200",
"path": [
"index"
]
}
},
"response": []
},
{
"name": "ES查看节点状态",
"request": {
"method": "GET",
"header": [],
"url": {
"raw": "http://192.168.72.140:9200/_cat/nodes?pretty",
"protocol": "http",
"host": [
"192",
"168",
"72",
"140"
],
"port": "9200",
"path": [
"_cat",
"nodes"
],
"query": [
{
"key": "pretty",
"value": null
}
]
}
},
"response": []
},
{
"name": "ES查看集群状态",
"request": {
"method": "GET",
"header": [],
"url": {
"raw": "http://192.168.72.140:9200/_cluster/state?pretty",
"protocol": "http",
"host": [
"192",
"168",
"72",
"140"
],
"port": "9200",
"path": [
"_cluster",
"state"
],
"query": [
{
"key": "pretty",
"value": null
}
]
}
},
"response": []
},
{
"name": "ES查看集群健康状态",
"request": {
"method": "GET",
"header": [],
"url": {
"raw": "http://192.168.72.140:9200/_cluster/health",
"protocol": "http",
"host": [
"192",
"168",
"72",
"140"
],
"port": "9200",
"path": [
"_cluster",
"health"
]
}
},
"response": []
},
{
"name": "ES查询开放的索引",
"request": {
"method": "GET",
"header": [],
"url": {
"raw": "http://192.168.72.140:9200/_cat/indices",
"protocol": "http",
"host": [
"192",
"168",
"72",
"140"
],
"port": "9200",
"path": [
"_cat",
"indices"
]
}
},
"response": []
},
{
"name": "ES的ik分词器测试两种策略，ik_smart，ik_max_word",
"protocolProfileBehavior": {
"disableBodyPruning": true
},
"request": {
"method": "GET",
"header": [],
"body": {
"mode": "raw",
"raw": "{\r\n \"analyzer\":\"ik_max_word\",\r\n \"text\":\"中华人民共和国国歌\"\r\n}",
"options": {
"raw": {
"language": "json"
}
}
},
"url": {
"raw": "http://192.168.72.140:9200/_analyze",
"protocol": "http",
"host": [
"192",
"168",
"72",
"140"
],
"port": "9200",
"path": [
"_analyze"
]
}
},
"response": []
},
{
"name": "ES批量新增记录",
"request": {
"method": "POST",
"header": [],
"body": {
"mode": "raw",
"raw": "{\"index\":{\"_index\":\"index_ning\",\"_type\":\"type_ning\",\"_id\":\"1\"}}\r\n{\"name\":\"i am test 1\",\"age\":\"10\"}\r\n{\"index\":{\"_index\":\"index_ning\",\"_type\":\"type_ning\",\"_id\":\"2\"}}\r\n{\"name\":\"i am test 2\",\"age\":\"11\"}\r\n",
"options": {
"raw": {
"language": "json"
}
}
},
"url": {
"raw": "http://192.168.72.140:9200/_bulk",
"protocol": "http",
"host": [
"192",
"168",
"72",
"140"
],
"port": "9200",
"path": [
"_bulk"
]
}
},
"response": []
},
{
"name": "ES检索批量新增的记录",
"request": {
"method": "POST",
"header": [],
"body": {
"mode": "raw",
"raw": "{\r\n \"query\": { \"match\": { \"name\": \"i am\" } }\r\n}",
"options": {
"raw": {
"language": "json"
}
}
},
"url": {
"raw": "http://192.168.72.140:9200/index_ning/_search",
"protocol": "http",
"host": [
"192",
"168",
"72",
"140"
],
"port": "9200",
"path": [
"index_ning",
"_search"
]
}
},
"response": []
},
{
"name": "一、ES分词器演示，指定分词策略",
"request": {
"method": "PUT",
"header": [],
"body": {
"mode": "raw",
"raw": "\r\n{\r\n\t\"mappings\": {\r\n\t\t\"properties\": {\r\n\t\t\t\"id\": {\r\n\t\t\t\t\"type\": \"long\"\r\n\t\t\t},\r\n\t\t\t\"title\": {\r\n\t\t\t\t\"type\": \"text\",\r\n\t\t\t\t\"analyzer\": \"ik_max_word\"\r\n\t\t\t}\r\n\t\t}\r\n\t}\r\n}\r\n",
"options": {
"raw": {
"language": "json"
}
}
},
"url": {
"raw": "http://192.168.72.140:9200/ik_index",
"protocol": "http",
"host": [
"192",
"168",
"72",
"140"
],
"port": "9200",
"path": [
"ik_index"
]
}
},
"response": []
},
{
"name": "二、ES分词器演示，查看索引详情",
"request": {
"method": "GET",
"header": [],
"url": {
"raw": "http://192.168.72.140:9200/ik_index/_mapping",
"protocol": "http",
"host": [
"192",
"168",
"72",
"140"
],
"port": "9200",
"path": [
"ik_index",
"_mapping"
]
}
},
"response": []
},
{
"name": "三、ES分词器演示，录入一条数据",
"request": {
"method": "POST",
"header": [],
"body": {
"mode": "raw",
"raw": "\r\n{\r\n\t\"id\": 1,\r\n\t\"title\": \"大兴庞各庄的西瓜\",\r\n\t\"desc\": \"大兴庞各庄的西瓜真是好吃，脆沙瓤，甜掉牙\"\r\n}",
"options": {
"raw": {
"language": "json"
}
}
},
"url": {
"raw": "http://192.168.72.140:9200/ik_index/_doc/1",
"protocol": "http",
"host": [
"192",
"168",
"72",
"140"
],
"port": "9200",
"path": [
"ik_index",
"_doc",
"1"
]
}
},
"response": []
},
{
"name": "四、ES分词器演示，检索数据",
"request": {
"method": "POST",
"header": [],
"body": {
"mode": "raw",
"raw": "{\r\n \"query\": { \"match\": { \"title\": \"西瓜\" } }\r\n}",
"options": {
"raw": {
"language": "json"
}
}
},
"url": {
"raw": "http://192.168.72.140:9200/ik_index/_search",
"protocol": "http",
"host": [
"192",
"168",
"72",
"140"
],
"port": "9200",
"path": [
"ik_index",
"_search"
]
}
},
"response": []
},
{
"name": "五、ES分词器演示，验证分词器分词策略",
"request": {
"method": "POST",
"header": [],
"body": {
"mode": "raw",
"raw": "{\r\n \"query\": { \"match\": { \"title\": \"西\" } }\r\n}",
"options": {
"raw": {
"language": "json"
}
}
},
"url": {
"raw": "http://192.168.72.140:9200/ik_index/_search",
"protocol": "http",
"host": [
"192",
"168",
"72",
"140"
],
"port": "9200",
"path": [
"ik_index",
"_search"
]
}
},
"response": []
}
]
}
扫一扫
1334
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
