关于ES集群信息的一些查看

查看ES信息

查看版本
kibana ：
GET /

查看节点信息

GET /_cat/nodes?v

解释：
ip：集群中节点的 ip 地址；
heap.percent：堆内存的占用百分比；
ram.percent：总内存的占用百分比，其实这个不是很准确，因为 buff/cache 和 available 也被当作使用内存；
cpu：cpu 占用百分比；
load_1m：1 分钟内 cpu 负载；
load_5m：5 分钟内 cpu 负载；
load_15m：15 分钟内 cpu 负载；
node.role：上图的dilmrt代表全部权限
master：* 代表是 master 节点，- 代表普通节点；
name：节点的名称。

node.role详解

1. master
2. data
3. ingest
4. ml machine learn 机器学习 和xpack有关 这个确实不太懂
5. remote_cluster_client
6. transform X-pack专用角色 转换节点运行转换并处理转换 API 请求

查看分片信息

首先看下面的图片 数据来源于elk
具体命令是

GET /_cat/shards?v

一个名叫assets_vitualasset_index_v1_test 的索引（相当于数据库的表） 这里可以看到有9个 每三个为一组 那么为什么是这样的设定呢

index：索引名称
shard：分片数
prirep：分片类型，p：primary为主分片，r：replicas为复制分片
state：分片状态，STARTED为正常分片，INITIALIZING为异常分片
docs：记录数
store：存储大小
ip：es节点ip
node：es节点名称

请看下图
分片数量为3 代表数据会被均分的切成三份 保证分布式的最大性能 也提高了扩展性 number_of_replicas为副本数量 这个是用来保证高可用的
从上图我们可以看到三个为一组的容量是很接近的 因为这三个存放的内容是相同的 即使有一个节点挂掉也能保证数据正常访问
(节点数量=分片数*（副本数量+1）)

实际场景下ES分片及副本数量应该怎么分

/elasticsearch-head可视化工具
首先需要考虑生产环境上总体节点的数量 如实际节点数量为6（三台主机）
那么我们尽量配置成3个分片1个副本 这样数据会很均匀的散落在这6个节点上
如果分成3个分片2个副本可能会造成分布不均匀 从而导致master所在的节点压力过大 master节点尽量不要有太大压力 因为除了数据查询他还有额外的任务：分配数据
注意：新增副本时主节点会自动协调，然后拷贝数据到新增的副本节点,副本数是可以随时调整的！
具体设置方式如下

PUT /my_temp_index/_settings 
{ "number_of_replicas": 1 }

关于ES的灵活使用

我们先来介绍下面这样一个场景
SMS系统 业务场景是每天发送各家银行的登录短信等，一个数据表 每天产生的数据量是50G 查询场景是按时间段按银行（如过去三个月 民生银行）查询短信发送记录
那么如果是mysql的话 就算建立索引 效率也会很慢
在mysql中优化的话 需要拆表 将各个银行的短信拆分出来 再按照日期拆
但是这样会造成跨库和跨表
ES场景
思路和mysql基本一致 建立索引如下
bankName_date_index