Elasticsearch 每个索引应该有多少个分片

原文链接：https://qbox.io/blog/optimizing-elasticsearch-how-many-shards-per-index

大多数Elasticsearch用户在创建索引时的一个关键问题是“我应该使用多少个分片？”在本文中，我将介绍在分片分配时的一些权衡以及不同设置带来的性能影响.。如果你想学习如何神秘化和优化你的分片策略请继续阅读。

为什么优化？

这是一个重要的话题, 很多用户对如何分片都有所疑惑, 有个最好的理由就是. 在生产环境中, 随着数据集的不断增长, 不合理的分配策略可能会给系统的扩展带来严重的问题.

同时, 这方面的文档介绍也非常少. 很多用户只想要明确的答案-他们需要特定的答案，而不是模糊的数字范围和任意大的数字的警告。

当然,我也有一些答案. 不过先要看看它的定义和描述，我们提出了几个常见的用例，并为每个用例提供了我们的建议。

定义

如果你刚接触ElasticSearch, 那么弄清楚它的几个术语和核心概念是非常必要的.

(如果你已经有ES的相关经验, 可以跳过这部分)

假设ElasticSearch集群的部署结构如下:

在参考此图时请记住这些定义：

cluster(集群) - Elasticsearch集群由一个或多个节点组成，可通过其集群名称进行标识。

node(节点) - 单个Elasticsearch实例。在大多数环境中，每个节点都在单独的盒子或虚拟机上运行。

index(索引) - 在Elasticsearch中，索引是文档的集合。

shard(分片) - 因为Elasticsearch是一个分布式搜索引擎，索引通常会拆分为分布在多个节点上的称为分片的元素。Elasticsearch自动管理这些分片的排列。它还根据需要重新平衡分片，因此用户无需担心细节。

replica(副本) - 默认情况下，Elasticsearch为每个索引创建五个主分片和一个副本。这意味着每个索引将包含五个主分片，每个分片将具有一个副本。

对于分布式搜索引擎来说, 分片及副本的分配将是高可用及快速搜索响应的设计核心.主分片与副本都能处理查询请求, 它们的唯一区别在于只有主分片才能处理索引请求.

在上图示例中, 我们的ElasticSearch集群有两个节点, 并使用了默认的分片配置. ES自动把这5个主分片分配到2个节点上, 而它们分别对应的副本则在完全不同的节点上. 对,就这是分布式的概念.

请记住, 索引的number_of_shards参数只对索引有效而不是对整个集群生效.该参数定义了每个索引的主分片数(不是群集中的主分片总数).

关于副本

副本主要是为了提高搜索性能，用户可以随时添加或删除副本。它们为您提供了额外的容量、更高的吞吐量和更强的故障切换能力。我们始终建议生产群集有两个副本用于故障转移。

谨慎分配你的分片

当在ElasticSearch集群中配置好你的索引后, 你要明白在集群运行中你无法调整分片设置. 如果以后你发现需要调整分片数量, 那么您需要重新索引所有源文档-reindex(虽然重建索引比较耗时，但可以在没有停机的情况下完成).

主分片配置非常类似于硬盘分区，其中原始磁盘空间的重新分区需要用户备份，配置新分区以及将数据重写到新分区

2~3GB的小型静态数据集

分配分片时主要考虑的你的数据集的增长趋势.

我们也经常会看到一些不必要的过度分片场景. 从ES社区用户对这个热门主题(分片配置)的分享数据来看, 用户可能认为过度分配是个绝对安全的策略(这里讲的过度分配是指对特定数据集, 为每个索引分配了超出当前数据量(文档数)所需要的分片数).

Elastic在早期确实鼓吹过这种做法, 然后很多用户做的更为极端--例如分配1000个分片. 事实上, Elastic目前对此持有更谨慎的态度.

稍有富余是好的, 但过度分配分片却是大错特错. 具体定义多少分片很难有定论, 取决于用户的数据量和使用方式.一百个很少使用的碎片可能没问题;而两个使用量很大的碎片可能太多了.

要知道, 你分配的每个分片都是有额外的成本的:

每个分片本质上就是一个Lucene索引, 因此会消耗相应的文件句柄, 内存和CPU资源
每个搜索请求会调度到索引的每个分片中. 如果分片分散在不同的节点倒是问题不太. 但当分片开始竞争相同的硬件资源时, 性能便会逐步下降
ES使用词频统计来计算相关性. 当然这些统计也会分配到各个分片上. 如果在大量分片上只维护了很少的数据, 则将导致最终的文档相关性较差

我们的客户通常认为随着业务的增长, 他们的数据量也会相应的增加, 所以很有必要为此做长期规划. 很多用户相信他们将会遇到暴发性增长(尽管大多数甚至都没有遇到过峰值), 当然也希望避免重新分片并减少可能的停机时间.

如果你真的担心数据的快速增长, 我们建议你多关心这条限制: ElasticSearch推荐的最大JVM堆空间是30~32G, 所以把你的分片最大容量限制为30GB, 然后再对分片数量做合理估算. 例如, 你认为你的数据能达到200GB, 我们推荐你最多分配7到8个分片.

总之, 不要现在就为你可能在三年后才能达到的10TB数据做过多分配. 如果真到那一天, 你也会很早感知到性能变化的.

尽管本部分并未详细讨论副本分片, 但我们推荐你保持适度的副本数并随时可做相应的增加. 如果你正在部署一个新的环境, 也许你可以参考我们的基于副本的集群的设计.这个集群有三个节点组成, 每个分片只分配了副本. 不过随着需求变化, 你可以轻易的调整副本数量.

大规模以及日益增长的数据场景

对大数据集, 我们非常鼓励你为索引多分配些分片--当然也要在合理范围内. 上面讲到的每个分片最好不超过30GB的原则依然使用.

不过, 你最好还是能描述出每个节点上只放一个索引分片的必要性. 在开始阶段, 一个好的方案是根据你的节点数量按照1.5~3倍的原则来创建分片. 例如,如果你有3个节点, 则推荐你创建的分片数最多不超过9(3x3)个.

随着数据量的增加,如果你通过集群状态API发现了问题,或者遭遇了性能退化,则只需要增加额外的节点即可. ES会自动帮你完成分片在不同节点上的分布平衡.

再强调一次, 虽然这里我们暂未涉及副本节点的介绍, 但上面的指导原则依然使用: 是否有必要在每个节点上只分配一个索引的分片. 另外, 如果给每个分片分配1个副本, 你所需的节点数将加倍. 如果需要为每个分片分配2个副本, 则需要3倍的节点数. 更多详情可以参考基于副本的集群.

Logstash

不知道你是否有基于日期的索引需求, 并且对索引数据的搜索场景非常少. 也许这些索引量将达到成百上千, 但每个索引的数据量只有1GB甚至更小. 对于这种类似场景, 我建议你只需要为索引分配1个分片.

如果使用ES的默认配置(5个分片), 并且使用Logstash按天生成索引, 那么6个月下来, 你拥有的分片数将达到890个. 再多的话, 你的集群将难以工作--除非你提供了更多(例如15个或更多)的节点.

想一下, 大部分的Logstash用户并不会频繁的进行搜索, 甚至每分钟都不会有一次查询. 所以这种场景, 推荐更为经济使用的设置. 在这种场景下, 搜索性能并不是第一要素, 所以并不需要很多副本. 维护单个副本用于数据冗余已经足够. 不过数据被不断载入到内存的比例相应也会变高.

如果你的索引只需要一个分片, 那么使用Logstash的配置可以在3节点的集群中维持运行6个月. 当然你至少需要使用4GB的内存, 不过建议使用8GB, 因为在多数据云平台中使用8GB内存会有明显的网速以及更少的资源共享.

总结

再次声明, 数据分片也是要有相应资源消耗,并且需要持续投入.

当索引拥有较多分片时, 为了组装查询结果, ES必须单独查询每个分片(当然并行的方式)并对结果进行合并. 所以高性能IO设备(SSDs)和多核处理器无疑对分片性能会有巨大帮助. 尽管如此, 你还是要多关心数据本身的大小,更新频率以及未来的状态. 在分片分配上并没有绝对的答案, 只希望你能从本文的讨论中受益.

文章来源：https://my.oschina.net/u/1262235/blog/3102811

Elasticsearch 每个索引应该有多少个分片相关推荐

Elasticsearch：索引状态是红色还是黄色？为什么？
在我之前文章 "Elasticsearch:如何调试集群状态 - 定位错误信息" 中,我有详细介绍如何调试集群状态.在今天的文章中,我将详细介绍如何故障排除和修复索引状态. Ela ...
elasticsearch建立索引操作的API
Elastic Search API Index.简单的介绍了使用Elastic Search 如何建立索引. ElasticSearch-API-Index 索引创建API允许初始化一个索引.Ela ...
【Elasticsearch】Elasticsearch通过reroute api 重新分配分片
1.概述转载:[重新分配分片]Elasticsearch通过reroute api重新分配分片 elasticsearch可以通过reroute api来手动进行索引分片的分配. 不过要想完全手动, ...
【Elasticsearch】索引和查询性能调优的21条建议-以及调优参数
文章目录 1.概述 1.Elasticsearch部署建议 1.1. 选择合理的硬件配置:尽可能使用 SSD 1.2. 给JVM配置机器一半的内存,但是不建议超过32G 1.3. 规模较大的集群配置专 ...
Elasticsearch ILM 索引生命周期管理常见坑及避坑指南
之前的博文和视频都讲过 ILM 索引生命周期管理.但从近期的反馈和我自己的实战经验看,依然会有很多坑. 现将我自己和大家遇到的常见坑汇集如下,希望能让后来小伙伴少走弯路. 少啰嗦,直接上干货. 坑1: ...
Elasticsearch中索引和文档的管理
索引的管理创建索引输入: put manage-test 输出: {"acknowledged" : true,"shards_acknowledged" ...
elasticsearch的索引自动清理及自定义清理
近发现elasticsearch近期索引文件大的吓人,清理了下之前的索引文件,发现服务器性能大大的减轻了一半,想一直保留近一个月的索引文件,但是又不想每个月手动清楚,在此写了一个小脚本查询索引: c ...
mysql一张表最多多少索引_MySQL一个索引最多有多少个列？真实的测试例子
MySQL一个索引最多有多少个列?真实的测试例子更新时间:2009年07月01日 22:22:21 作者: MySQL一个索引最多有多少个列?下面是具体的实现代码. 最多16列. create ...
Elasticsearch重建索引
本文基于Elasticsearch7.x 在聊重建索引之前, 我们先了解下Elasticsearch基本概念与核心原理我们知道Elasticsearch的索引一旦创建是不可变更的, 如果我们要修改索 ...

Elasticsearch 每个索引应该有多少个分片

定义

Elasticsearch 每个索引应该有多少个分片相关推荐

最新文章

热门文章