33.ES集群规划—整体规划

集群规划

• 集群大小设置的依据：
  • ES JVM heap 最大可以设置32G
  • 30G heap大概能处理10T 的数据量， 如果内存很大 如128G， 可以在一台机器上运行多个ES节点
• 两类应用场景：
  • 用于构建业务搜索功能模块， 且多是垂直领域的搜索
    • 数据量级几千万到数十亿级别， 一般2-4台机器规模
  • 用于大规模数据的实时OLAP（联机处理分析），如ELK Stack， 数据规模可能达到千亿或更多
    • 几十到上百节点的规模
• 集群节点的角色分配
  • 节点角色：
    • master : node.roles: [ master ]
    • DataNode: node.roles: [ data ]
    • Cordinating only node： node.roles: [ ]
• 节点角色的分配：
  • 小规模集群， 不需严格区分
  • 重大规模集群，应考虑单独的角色充当， 特别是并发查询量大，查询的合并量大，可以增加独立的协调节点
• 避免数据脏写
  • ES7集群自主控制主节点状况
    • 且在新版本中启动了一个新的集群时需要有cluster.initial_master_nodes 初始化集群列表
  • ES7中discovery.zen 配置失效， 新配置为：
    
• 中大规模集群中常用的配置：
  • Master 和 DataNode 角色分离， 配置奇数个master
  • 延长ping master的等待时长： discovery.request_peers_timeout : 30 ， 默认为3s， 其他节点ping主节点多长时间没有响应就认为主节点不可用
• 索引分片数和副本数设置
  • 索引的分片数在创建索引的时候指定， 一旦创建不可修改
  • 分片设置的参考原则：
    • ES推荐的JVM对空间为30~32G， 所以把你的分片最大容量限制为30G， 然后再对分片数量做合理估算
    • 根据节点数按照1.5~3倍的原则来创建分片
    • 对于基于日期的索引需求， 且对索引数据的搜索场景非常少， 也许这些索引量很大， 但每个索引的数据量不大于1G , 对于这类场景， 建议只需要为索引分配1个分片
• 分片设置副本：
  • 为保证高可用， 副本数量设置为2即可， 要求集群至少要有3个节点来分开存放主分片、副本
  • 如发现并发量大时， 查询性能会下降，可增加副本数，来提升并发查询能力

PUT /my_index_name/_settings
{
  "number_of_replicas": 2
}

大数据视频推荐：
CSDN
大数据语音推荐：
ELK7 stack开发运维
企业级大数据技术应用
大数据机器学习案例之推荐系统
自然语言处理
大数据基础
人工智能：深度学习入门到精通