ES集群介绍

为什么需要集群

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) :集群中的一个 Elasticearch 实例

  • 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。
    在这里插入图片描述

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:
在这里插入图片描述

现在,每个分片都有1个备份,存储在3个节点:

  • node1:保存了分片0和2
  • node1:保存了分片1和0
  • node3:保存了分片2和1

搭建ES集群

部署es集群可以直接使用docker-compose来完成,不过要求你的Linux虚拟机至少有4G的内存空间

首先编写一个docker-compose文件,内容如下:

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

文件内容介绍:

version: complse版本
es01: 节点
image: 镜像
container_name:容器名称
environment:环境变量

node.name: 节点名称
cluster.name: 集群名称,es自动建立集群
discovery.seed_hosts:另外两个的地址,可以用容器名称互联
cluster.initial_master_nodes:初始化的主节点,可以参与选举
“ES_JAVA_OPTS=-Xms512m -Xmx512m”:最小和最大JVM内存

volumes: 数据卷地址
ports: 端口映射

编写完成后,将此文件上传到有docker-compose的linux文件夹中:
在这里插入图片描述
还需要修改一下运行的内存,去/etc/susctl.conf下。不然集群占用太大起不来:
在这里插入图片描述
完成以后,回到docker-compose文件目录下,执行:

docker-compose up -d

在这里插入图片描述
可以看到,三个es都启动了
在这里插入图片描述
好家伙,内存堆满了:
在这里插入图片描述
使用cerebro监控一下集群:
在这里插入图片描述
创建集群的索引库:可以在settings中指定分片数量和副本数量。创建完成后可以看到分片和副本,也说明了es天生支持分布式集群。
在这里插入图片描述

在这里插入图片描述
这样我们的一个es集群就搭建好了。但是真正生产环境上,还需要注意一些问题。下面这些引入概念:

集群职责划分

elasticsearch中集群节点有不同的职责划分:
在这里插入图片描述
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:
在这里插入图片描述

集群脑裂问题

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:
在这里插入图片描述
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。

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:
在这里插入图片描述
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。

Logo

为开发者提供学习成长、分享交流、生态实践、资源工具等服务,帮助开发者快速成长。

更多推荐