ES集群部署

单机的elasticsearch做数据存储，必然面临两个问题：海量数据存储问题、单点故障问题。

  • 海量数据存储问题：将索引库从逻辑上拆分为N个分片（shard），存储到多个节点
  • 单点故障问题：将分片数据在不同节点备份（replica ）

ES集群相关概念:

  • 集群（cluster）：一组拥有共同的 cluster name 的 节点。
  • 节点（node)
  • 分片（shard）：索引可以被拆分为不同的部分进行存储，称为分片。在集群环境下，一个索引的不同分片可以拆分到不同的节点中
    解决问题：数据量太大，单点存储量有限的问题。

ES 中的heap是什么作用 eshas_big data

此处，我们把数据分成3片：shard0、shard1、shard2

  • 主分片（Primary shard）：相对于副本分片的定义。
  • 副本分片（Replica shard）每个主分片可以有一个或者多个副本，数据和主分片一样。

数据备份可以保证高可用，但是每个分片备份一份，所需要的节点数量就会翻一倍，成本实在是太高了！

为了在高可用和成本间寻求平衡，我们可以这样做：

  • 首先对数据分片，存储到不同节点
  • 然后对每个分片进行备份，放到对方节点，完成互相备份

这样可以大大减少所需要的服务节点数量，如图，我们以3分片，每个分片备份一份为例：

ES 中的heap是什么作用 eshas_数据_02

现在，每个分片都有1个备份，存储在3个节点：

  • node0：保存了分片0和1
  • node1：保存了分片0和2
  • node2：保存了分片1和2

1、搭建ES集群

es运行需要修改一些linux系统权限，修改/etc/sysctl.conf文件

vi /etc/sysctl.conf

添加下面的内容：

vm.max_map_count=262144

然后执行命令，让配置生效：

sysctl -p

首先编写一个docker-compose文件，内容如下：

一次创建三个docker容器，先将原来的容器停止或者删除

version: '2.2'
services:
  es01:
    image: elasticsearch:7.12.1
    container_name: es01
    environment:
      - node.name=es01
      - cluster.name=es-docker-cluster
      - discovery.seed_hosts=es02,es03
      - cluster.initial_master_nodes=es01,es02,es03
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
    volumes:
      - data01:/usr/share/elasticsearch/data
    ports:
      - 9200:9200
    networks:
      - elastic
  es02:
    image: elasticsearch:7.12.1
    container_name: es02
    environment:
      - node.name=es02
      - cluster.name=es-docker-cluster
      - discovery.seed_hosts=es01,es03
      - cluster.initial_master_nodes=es01,es02,es03
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
    volumes:
      - data02:/usr/share/elasticsearch/data
    ports:
      - 9201:9200
    networks:
      - elastic
  es03:
    image: elasticsearch:7.12.1
    container_name: es03
    environment:
      - node.name=es03
      - cluster.name=es-docker-cluster
      - discovery.seed_hosts=es01,es02
      - cluster.initial_master_nodes=es01,es02,es03
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
    volumes:
      - data03:/usr/share/elasticsearch/data
    networks:
      - elastic
    ports:
      - 9202:9200
volumes:
  data01:
    driver: local
  data02:
    driver: local
  data03:
    driver: local

networks:
  elastic:
    driver: bridge

通过docker-compose启动集群：

docker-compose up -d

1.2、集群状态的监控

kibana可以监控es集群，不过新版本需要依赖es的x-pack 功能，配置比较复杂。

这里推荐使用cerebro来监控es集群状态，官方网址：https://github.com/lmenezes/cerebro

下载之后直接解压到按照软件的文件夹下，加入对应的bin目录，双击启动cerebro.bat程序

出现如图所示代表成功了

ES 中的heap是什么作用 eshas_ES 中的heap是什么作用_03

在浏览器中访问http://localhost:9000 即可进入管理界面：

ES 中的heap是什么作用 eshas_ES 中的heap是什么作用_04

输入你的elasticsearch的任意节点的地址和端口【宿主IP:指定的部署端口】，点击connect即可：

ES 中的heap是什么作用 eshas_big data_05

绿色的条，代表集群处于绿色（健康状态）。

1.3、创建索引库

  1. 利用kibana的DevTools创建索引库
    在DevTools中输入指令：
PUT /itcast
{
  "settings": {
    "number_of_shards": 3, // 分片数量
    "number_of_replicas": 1 // 副本数量
  },
  "mappings": {
    "properties": {
      // mapping映射定义 ...
    }
  }
}
  1. 利用cerebro创建索引库

填写索引库信息：

ES 中的heap是什么作用 eshas_分布式_06

点击右下角的create按钮即可完成创建

ES 中的heap是什么作用 eshas_分布式_07

2、集群脑裂问题

elasticsearch中集群节点有不同的职责划分：

ES 中的heap是什么作用 eshas_ES 中的heap是什么作用_08

默认情况下，集群中的任何一个节点都同时具备上述四种角色。

但是真实的集群一定要将集群职责分离：

  • master节点：对CPU要求高，但是内存要求第
  • data节点：对CPU和内存要求都高
  • coordinating节点：对网络带宽、CPU要求高

职责分离可以让我们根据不同节点的需求分配不同的硬件去部署。而且避免业务之间的互相干扰。

一个典型的es集群职责划分如图：

ES 中的heap是什么作用 eshas_elasticsearch_09

2.2、脑裂问题

脑裂是因为集群中的节点失联导致的。

例如一个集群中，主节点与其它节点失联：

ES 中的heap是什么作用 eshas_数据_10

此时，node2和node3认为node1宕机，就会重新选主：

ES 中的heap是什么作用 eshas_数据_11

当node3当选后，集群继续对外提供服务，node2和node3自成集群，node1自成集群，两个集群数据不同步，出现数据差异。

当网络恢复后，因为集群中有两个master节点，集群状态的不一致，出现脑裂的情况：

ES 中的heap是什么作用 eshas_elasticsearch_12

解决脑裂的方案是，要求选票超过 ( eligible节点数量 + 1 ）/ 2 才能当选为主，因此eligible节点数量最好是奇数。对应配置项是discovery.zen.minimum_master_nodes，在es7.0以后，已经成为默认配置，因此一般不会发生脑裂问题

例如：3个节点形成的集群，选票必须超过 （3 + 1） / 2 ，也就是2票。node3得到node2和node3的选票，当选为主。node1只有自己1票，没有当选。集群中依然只有1个主节点，没有出现脑裂。

小结

master eligible节点的作用是什么？

  • 参与集群选主
  • 主节点可以管理集群状态、管理分片信息、处理创建和删除索引库的请求

data节点的作用是什么？

  • 数据的CRUD

coordinator节点的作用是什么？

  • 路由请求到其它节点
  • 合并查询到的结果，返回给用户

3、集群分布式存储

当新增文档时，应该保存到不同分片，保证数据均衡，那么coordinating node如何确定数据该存储到哪个分片呢？

3.1、分片存储测试

插入三条数据：

上面部署集群已经创建了zcl索引库，分为了三个分片

借助接口工具软件进行数据插入（可以使用Dev Tools）

// POST请求方式
http://192.168.26.131:9200/zcl/_doc/3

// 插入数据
{
	"title":"试着插入一条id=3"
}

插入数据成功一次就修改对应的插入id，连续插入3次，再运行下面的查询方法

查询数据

依次查询数据改变端口【0、1、2】进行数据的查询

“explain”: true可以看出我们插入数据在那个分片上

// GET 请求查询
http://192.168.26.131:9202/zcl/_search

// 查询语句
{
	"explain": true,
	"query":{
		"match_all":{}
	}
}

输出之后查看==“_shard”: “[zcl][0]”,==即可看出具体的分片位置

3.2、分片处理原理

elasticsearch会通过hash算法来计算文档应该存储到哪个分片：

ES 中的heap是什么作用 eshas_分布式_13

说明：

  • _routing默认是文档的id
  • 算法与分片数量有关，因此索引库一旦创建，分片数量不能修改！

新增文档的流程如下：

ES 中的heap是什么作用 eshas_big data_14

解读：

  • 1）新增一个id=1的文档
  • 2）对id做hash运算，假如得到的是2，则应该存储到shard-2
  • 3）shard-2的主分片在node3节点，将数据路由到node3
  • 4）保存文档
  • 5）同步给shard-2的副本replica-2，在node2节点
  • 6）返回结果给coordinating-node节点
3.3、分布式查询

elasticsearch的查询分成两个阶段：

  • scatter phase：分散阶段，coordinating node会把请求分发到每一个分片
  • gather phase：聚集阶段，coordinating node汇总data node的搜索结果，并处理为最终结果集返回给用户

ES 中的heap是什么作用 eshas_ES 中的heap是什么作用_15

4、集群故障转移

集群的master节点会监控集群中的节点状态，如果发现有节点宕机，会立即将宕机节点的分片数据迁移到其它节点，确保数据安全，这个叫做故障转移。

查看es-docker-cluster管理页面的节点信息

ES 中的heap是什么作用 eshas_ES 中的heap是什么作用_16

模拟故障转移（停止es3）节点

docker stop es03

查看管理页面

原来的节点es3上的【1、2】分片都会分配到剩余的两个节点上，并且重新选择了一个主节点

ES 中的heap是什么作用 eshas_ES 中的heap是什么作用_17

再次重启节点三服务

docker start es03

属性页面，又会将原来的分片返回给es3节点，但是主节点的位置是不会变的