管理 ES 集群:如何对集群进行容量规划

容量规划

  • 一个集群总共需要多少个节点? 一个索引需要设置几个分片?
    • 规划上需要保持一定的余量,当负载出现波动,节点出现丢失时,还能正常运行
  • 做容量规划时,一些需要考虑的因素
    • 机器的软硬件配置
    • 单条文档的尺寸 / 文档的总数据量 / 索引的总数据量(Time base 数据保留的时间)/ 副本分片数
    • 文档是如何写入的(Bulk的尺寸)
    • 文档的复杂度,文档是如何进行读取的(怎么样的查询和聚合)

评估业务的性能需求

  • 数据吞吐及性能需求
    • 数据写入的吞吐量,每秒要求写入多少数据?
    • 查询的吞吐量?
    • 单条查询可接受的最大返回时间?
  • 了解你的数据
    • 数据的格式和数据的 Mapping
    • 实际的查询和聚合长的是什么样的

常见用例

  • 搜索:固定大小的数据集
    • 搜索的数据集增长相对比较缓慢
  • 日志:基于时间序列的数据
    • 使用 ES 存放日志与性能指标。数据每天不断写入,增长速度较快
    • 结合 Warm Node 做数据的老化处理

硬件配置

  • 选择合理的硬件,数据节点尽可能使用 SSD
  • 搜索等性能要求高的场景,建议 SSD
    • 按照 1 :10 的比例配置内存和硬盘
  • 日志类和查询并发低的场景,可以考虑使用机械硬盘存储
    • 按照 1:50 的比例配置内存和硬盘
  • 单节点数据建议控制在 2 TB 以内,最大不建议超过 5 TB
  • JVM 配置机器内存的一半,JVM 内存配置不建议超过 32 G

部署方式

  • 按需选择合理的部署方式
  • 如果需要考虑可靠性高可用,建议部署 3 台 dedicated 的 Master 节点
  • 如果有复杂的查询和聚合,建议设置 Coordinating 节点

容量规划案例 1: 固定大小的数据集

  • 一些案例:唱片信息库 / 产品信息
  • 一些特性
    • 被搜索的数据集很大,但是增长相对比较慢(不会有大量的写入)。更关心搜索和聚合的读取性能
      • 数据的重要性与时间范围无关。关注的是搜索的相关度
  • 估算索引的的数据量,然后确定分片的大小
    • 单个分片的数据不要超过 20 GB
    • 可以通过增加副本分片,提高查询的吞吐量

拆分索引

  • 如果业务上有大量的查询是基于一个字段进行 Filter,该字段又是一个数量有限的枚举值
    • 例如订单所在的地区
  • 如果在单个索引有大量的数据,可以考虑将索引拆分成多个索引
    • 查询性能可以得到提高
    • 如果要对多个索引进行查询,还是可以在查询中指定多个索引得以实现
  • 如果业务上有大量的查询是基于一个字段进行 Filter,该字段数值并不固定
    • 可以启用 Routing 功能,按照 filter 字段的值分布到集群中不同的 shard,降低查询时相关的 shard, 提高 CPU 利用率

容量规划案例 2: 基于时间序列的数据

  • 相关的用案
    • 日志 / 指标 / 安全相关的 Events
    • 舆情分析
  • 一些特性
    • 每条数据都有时间戳;文档基本不会被更新(日志和指标数据)
    • 用户更多的会查询近期的数据;对旧的数据查询相对较少
    • 对数据的写入性能要求比较高

创建基于时间序列的索引

  • 创建 time-based 索引
    • 在索引的名字中增加时间信息
    • 按照 每天 / 每周 / 每月 的方式进行划分
  • 带来的好处
    • 更加合理的组织索引,例如随着时间推移,便于对索引做的老化处理
      • 利用 Hot & Warm Architecture
      • 备份和删除以及删除的效率高。( Delete By Query 执行速度慢,底层不也不会立刻释放空间,而 Merge 时又很消 耗资源)

写入时间序列的数据:基于 Date Math 的方式

  • 容易使用
  • 如果时间发生变化,需要重新部署代码

管理 ES 集群:如何对集群进行容量规划

# POST /<logs-{now/d}/_search 
POST /%3Clogs-%7Bnow%2Fd%7D%3E/_search

写入时间序列的数据 – 基于 Index Alias

  • Time-based 索引
    • 创建索引,每天 / 每周 / 每月
    • 在索引的名字中增加时间信息

管理 ES 集群:如何对集群进行容量规划

集群扩容

  • 增加 Coordinating / Ingest Node
    • 解决 CPU 和 内存开销的问题
  • 增加数据节点
    • 解决存储的容量的问题
    • 为避免分片分布不均的问题,要提前监控磁盘空间,提前清理数据或增加节点(70%)
本作品采用《CC 协议》,转载必须注明作者和本文链接

快乐就是解决一个又一个的问题!

CrazyZard
讨论数量: 0
(= ̄ω ̄=)··· 暂无内容!

请勿发布不友善或者负能量的内容。与人为善,比聪明更重要!