Elasticsearch数据规划

南墨2年前技术文章657

1.1 为什么数据规划很重要

任何系统都有一套更为适用的规则或者其系统规格,前期的详细设计能为我们后期维护优化节约大量的精力。在我们实际的经验中,发现大部分问题(分片严重超规格,单个分片超大,索引mapping设置不合理等问题)都是由于数据的前期规划不够,大大增加了后期整改和优化的难度和成本。

在进行数据规划之前,首先要对数据有充分的了解,包括不限于:

l   数据量有多大,包括总量,增量,以及未来的趋势?

l   数据的生命之旅是怎么样的,即从写入到删除的过程?

l   我们期望从数据里面挖掘出什么,即数据是用来做什么的?

1.2 合理的规格

常见的系统规格如下所示:

Elasticsearch集群实例数

建议控制在300EsNode实例范围内

Elasticsearch集群支持的最大shard

建议控制在5万以内

EsNode实例,最大shard

建议控制在500以内

shard支持存储的数据量

建议单个shard大小20-30GB

EsNode实例,最大存储量

建议单个EsNode存储数据5TB以内

index分片总数

建议控制在EsNode实例个数的2倍以内

index字段个数

建议控制在1024个字段范围内

单批次查询返回的数据量

建议控制在10000以内

 

1.3 分片如何规划

每个分片都可以处理索引和查询请求,在设定分片数目时,可从以下几个方面考虑:

l   建议单个分片保存的数据量在20GB左右,最大不超过30GB,过大的分片会降低查询以及索引恢复的性能。

l   根据索引预计承载的最大数据容量和单个分片容量确定主分片个数。

l   为了提升数据可靠性,合理设置副本分片个数,至少设置为1,如果集群的存储空间足够,推荐设置为2

l   每个node可以支撑的shards个数是有限的,node是物理资源分配的对象,随着shards中数据的增大,shards中的数据在查询时被不断加载到内存,达到一定量时,将会把HeapSize耗尽,导致频繁GC,系统将不能正常工作。推荐1GB内存管理15shard,以一个Elasticsearch实例内存最大31G为例,单实例管理的shard数保持在500以内。

l   配置total_shards_per_node参数,让分片更加均匀的分布在各个实例上。表示限制每个实例上分布该该索引的分片最大个数,如2,即表示每个实例上最多分布2个该索引的分片。

l   说明:total_shards_per_node参数值=索引总分片数/数据实例数(向上取整)。


相关文章

Kafka Leader 和 Follower 故障

Kafka Leader 和 Follower 故障

前言:       在kafka集群工作过程中,难免会碰到某个kafka服务实例宕机或挂掉的情况,服务一旦挂掉,意味着某个分区中的leader或follower将不能正常工作了       具体来说,...

greenplum扩容

一、纵向扩展1、执行命令,生成参数文件[gpadmin@gw_mdw1 ~]$ gpexpand -f seg_hosts -D test 20190327:23:18:01:007122 gpex...

ES运维(八)添加IK分词器

ES运维(八)添加IK分词器

一、概述ES自带standard analyzer、simple analyzer、whitespace analyzer、stop analyzer、language analyzer、patter...

kubernetes集群清理

清理如果你在集群中使用了一次性服务器进行测试,则可以关闭这些服务器,而无需进一步清理。你可以使用 kubectl config delete-cluster 删除对集群的本地引用。但是,如果要更干净地...

数据湖技术之iceberg(八)Spark与Iceberg整合DDL操作

数据湖技术之iceberg(八)Spark与Iceberg整合DDL操作

1.CREATE TABLE 创建表Create table 创建Iceberg表,创建表不仅可以创建普通表还可以创建分区表,再向分区表中插入一批数据时,必须对数据中分区列进行排序,否则会出现文件关闭...

Linux系统调优参数应用实践

Linux系统调优参数应用实践

1 基于内存方面的性能参数调优1.1 cache与buffer解读1.1.1 cache出现的原因与功能计算机硬件中CPU、内存、磁盘是最主要的三大部分,其中,CPU发展到今天,执行速度最快,而内存相...

发表评论    

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。