Elasticsearch 自动缩放

自动缩放功能使操作员能够配置节点层，这些节点可以自我监控是否需要根据操作员定义的策略进行缩放。然后，通过自动缩放 API，Elasticsearch 集群可以报告是否需要额外的资源来满足策略。例如，操作员可以定义一个策略，即热层应在可用磁盘空间上进行扩展。 Elasticsearch 将监控和预测热层中的可用磁盘空间，如果预测集群很快将因磁盘空间而无法分配现有和未来的分片副本，则自动缩放 API 将报告集群需要由于磁盘空间而缩放。运营商仍然有责任添加集群指示其需要的额外资源。

策略由角色列表和决策者列表组成。与角色匹配的节点受策略管理。决策者提供所需容量的独立估计。有关可用决策程序的更多信息，请参阅自动缩放决策程序。

自动缩放支持专用机器学习节点的扩展和缩小。 Autoscaling还支持基于存储的数据节点的扩展。

Reactive storage decider反应

Estimates required storage capacity of current data set. Available for policies governing data nodes.
估计当前数据集所需的存储容量。可用于管理数据节点的策略。

Proactive storage decider主动存储决策者

Estimates required storage capacity based on current ingestion into hot nodes. Available for policies governing hot data nodes.
根据当前热节点的摄取来估计所需的存储容量。可用于管理热数据节点的策略。

Frozen shards decider冰冻碎片决定者

Estimates required memory capacity based on the number of partially mounted shards. Available for policies governing frozen data nodes.
根据部分安装的分片数量估计所需的内存容量。可用于管理冻结数据节点的策略。

Frozen storage decider冷冻储存决定者

Estimates required storage capacity as a percentage of the total data set of partially mounted indices. Available for policies governing frozen data nodes.
估计所需存储容量占部分安装索引的总数据集的百分比。可用于管理冻结数据节点的策略。

Frozen existence decider冻结的存在决定者

Estimates a minimum require frozen memory and storage capacity when any index is in the frozen ILM phase.
当任何索引处于冻结 ILM 阶段时，估计最低需要的冻结内存和存储容量。

Machine learning decider机器学习决策者

Estimates required memory capacity based on machine learning jobs. Available for policies governing machine learning nodes.
根据机器学习作业估计所需的内存容量。可用于管理机器学习节点的策略。

Fixed decider  固定决策者

Responds with a fixed required capacity. This decider is intended for testing only.
以固定的所需容量进行响应。该决策程序仅用于测试。