Elasticsearch官方文档要点整理

淡淡的烟草味﹌ 2022-12-18 00:47 154阅读 0赞

*  **normalizer** ： `标准化text`，比如将大写转换成小写，这样倒排索引实际存储的是转换后的token，比如User user这两个doc实际是等价的，当搜索user时能匹配到两个doc，当对USer做统计时能统计到两个，但是\_source里的field实际还是原来的，而不是标准化的token
 *  **boost**：放大关联性评分，默认`1.0`
 *  **dynamic**：
    
     *  `true`（default），允许运行时添加新属性，且会设置索引；
     *  `false`：新属性会在\_source里存在，但不会设置索引；
     *  `strict`：侦测到新属性会报错  
          
        
 *  **enabled**：是否要索引此数据，默认是`true`，有些场景下设置为false合适，比如type为`object`的数据
 *  **ignore\_above**：当keyword的长度超过指定长度后， 此field将被忽略，也就是不索引，如果keyword长度在ignore\_above内才能正常索引
 *  **ignore\_malformed**：正常来说es会对数据做一个转换，比如mapings设定是一个integer，但传过来的是一个String，会自动转换，如果设置ignore\_malformed：true，那么会`忽略类型不匹配的doc`；“index.mapping.ignore\_malformed”: true ，ignore\_malformed可以设置field维度上，也可以设置到index上
 *  **null\_value**：设置属性为空时的默认值
 *  **store**， elasticsearch默认将 `_source` 当做一个store的element，当在\_source里指定了`include`，`exclude`时，加载\_source的json数据，然后解析提取。当索引的文档很大，但是我们经常使用的field很少时，可以考虑将经常使用的field设置成 `stored_fields`， 这样在读取指定属性时就不需要加载整个\_source，不需要解析\_source提取指定field，在性能上会有较大的提高
 *  **analyzer**：  由`Character filters，Tokenizer，Token filters` 3个组件构成，Tokenizer只有一个，其他的可以有多个
 *  **discovery.seed\_hosts**: 前身是`discovery.zen.ping.unicast.hosts`，提供集群的master-eligible nodes
    
        92.168.1.10:9300
           192.168.1.11 
           seeds.mydomain.com             : 通过项目内的yml配置服务发现
 *  **discovery.type**：若指定为single-node则表示单节点集群
 *  **cluster.initial\_master\_nodes**：此参数在一个初始化的集群中能生效，指定 master-eligible nodes；如果是加入现有的集群，那么这个配置不生效
    
        -master-a
           -master-b
           -master-c
 *  **discovery.seed\_providers**: file ：通过文件内配置服务发现，前身`discovery.zen.hosts_provider`，提供 集群内所有的node  
    文件内容格式：
    
        10.10.10.5
         10.10.10.6:9305
         10.10.10.5:10005
         [2001:0db8:85a3:0000:0000:8a2e:0370:7334]:9301
 *  **cluster.auto\_shrink\_voting\_configuration**：默认`true`, 设置为true时，当一个master eligible 节点离开集群时，自动将`voting configuration`减一  
    如果设置了master-eligible 节点的个数为`偶数`时，es会将某个节点`移除出master候选者`，保留`奇数`个可参与选举的节点个数  
    如果设置了4个master-eligible节点，那么任务需要节点投票的操作都需要至少3个节点同意才行；  
    如果4个节点的集群分裂成两个双节点的集群时，他们的节点数都不到3，都不能正常运行  
    当某个节点离开集群时，此时只需要2个节点投票了，也就是voting configuration会自动减一
 *  **follower checks and leader checks**：follower检查master的health，master检查follower的health
 *  **开发模式**：discovery.seed\_providers，discovery.seed\_hosts，cluster.initial\_master\_nodes 当这3个参数都没有配置时，默认是开发模式
 *  **join request**: 加入现有集群的请求
 *  **master-gligible节点移除策略**： 当要移除集群的Master-Eligible节点时，不要一次性移除超过半数的节点，最好是`一个一个地移除`，给集群足够的反应时间，减少voting configuration的个数，这样集群才能正常的缩容，比如7个master-eligible缩小到3个节点
 *  ES的`集群状态同步`类似于Eureka，同步的是`增量信息`，而不是全量，当一个节点新加入时，同步增量时发现原来数据没有，那么master会同步全量过去
 *  **集群状态变更流程**: 当master发起集群状态变更时，先将变更信息发送给所有的master-eligible node，所有node发送ack给master, master收集到超过半数的ack时， 再向所有的 node发送commit命令，所有的node收到命令后应用 cluster state, 然后发送第二个ack给master
 *  **cluster.publish.timeout**： 集群状态变更时间限制， 默认`30S`
 *  **cluster.follower\_lag.timeout**: 默认`90S`，当某个节点没有应用cluster state时, master给他90S时间来追上集群状态，  
    也就是90S内发回ACK，否则master将他移除出集群
 *  **cluster.routing.allocation.disk.watermark.low** : 默认`85%`，当磁盘使用达到此阈值时，不再此节点分配新索引和分片。
 *  **cluster.routing.allocation.disk.watermark.high**：默认`90%`, 当磁盘使用达到此阈值时，尝试将此节点上的索引迁移到其他节点上
 *  **cluster.routing.allocation.disk.watermark.flood\_stage**： 默认`95%`,当磁盘使用达到此阈值时，不允许索引写入和修改
 *  **cluster.info.update.interval**： 默认`30S`，每隔多久探查磁盘使用量
    
        PUT _cluster/settings
          {
          	  "transient": {
          		    "cluster.routing.allocation.disk.watermark.low": "100gb",
          		    "cluster.routing.allocation.disk.watermark.high": "50gb",
          		    "cluster.routing.allocation.disk.watermark.flood_stage": "10gb",
          		    "cluster.info.update.interval": "1m"
          	  }
          }
 *  **cluster.max\_shards\_per\_node**： 默认值`1000`，每个node上最有只能含有1000个索引的分片，包含primary和replica，关闭了的索引分片不算
 *  在集群重新启动时，为了防止在启动过程中的数据分片重新分配问题，可以通过下列参数来控制分片恢复的过程：
    
        gateway.expected_nodes
           gateway.expected_master_nodes
           gateway.expected_data_nodes
           gateway.recover_after_time
 *  **indices.breaker.fielddata.limit**： `40% jvm`， fieldData内存占用不能超过此阈值，超过了会使用缓存淘汰机制
 *  **indices.fielddata.cache.size**： 百分比或者确定内存大小
 *  **indices.breaker.request.limit**：所有请求占用内存不能超过`60%`的JVM内存
 *  **indices.queries.cache.size**：默认`10%JVM`,查询缓存，也可以设定成固定内存大小
 *  **indices.memory.index\_buffer\_size**：新索引的doc，还没有写入segment，所占用的内存，每个shard独立计算，默认`10% jvm`
 *  **indices.memory.min\_index\_buffer\_size**： 默认`48M`
 *  **indices.memory.max\_index\_buffer\_size**： 默认未设置
 *  **indices.recovery.max\_bytes\_per\_sec**：在恢复分片时，限制输入或者输出的吗，每秒字节数，默认`40MB`
 *  **indices.query.bool.max\_clause\_count**：每个检索请求里从句的个数，默认上限`1024`
 *  **transport.port**: 默认`9300-9400`
 *  **http.port**：默认是区间 `9200-9300`
 *  **discovery.seed\_hosts**： 默认\[“127.0.0.1”, “\[::1\]”\]
 *  **path.data**: es的数据目录，默认`$ES_HOME/data`
 *  **Remote Cluster** ：Remote Cluster ，Cross Cluster Search， 远程集群，跨集群检索
 *  **分片定位**：shard\_num = `(hash(_routing) + hash(_id) % routing_partition_size) % num_primary_shards`， routing\_partition\_size 是es在服务端生成的路由基数，是分片数的整数倍
 *  “**index.unassigned.node\_left.delayed\_timeout**”: “5m”， 在节点离开集群5分钟后才开始处理集群索引丢失问题，默认`1分钟`，可以设置为0，在主动关闭节点时能马上重新分配索引
 *  **index.translog.sync\_interval**： 当index.translog.durability = async时，后台异步的每隔`5S`执行translog持久化
 *  **index.translog.durability**：
    
     *  **request**，默认值，也就是每个index,delete,update时持久化translog;
     *  **async**, 异步持久化translog, 每隔index.translog.sync\_interval 运行一次  
          
        
 *  **index.translog.flush\_threshold\_size**： translog多大时执行一次commit动作，也就是把translog里的数据同步到Lucene里，  
    防止此文件太大时，恢复时间太长， 默认512M，也就是最大512M
 *  **index.translog.retention.size**： 最多保留多大的translog文件，总计大小，默认`512M`
 *  **index.translog.retention.age**： 每个translog最多保留多久，默认`12H`
 *  **IndexSorting**：将lucene 的 segment里的数据按照指定field排序，这样在查询时如果返回指定field的topN就能出发提前中断，极大提升查询效率，但是根据关联性评分排序不适用，因为评分是每次查询时实时算出来的
 *  **index.sort.field**： Only boolean, numeric, date and keyword fields with doc\_values are allowed here.
 *  **index.sort.order**：`asc`， `desc`， 排序模式
 *  **track\_total\_hits**：在检索时是否关注匹配的全部数据条数
 *  **index lifecycle management**：索引生命周期管理，创建生命周期策略
    
        PUT _ilm/policy/datastream_policy   
          {
              "policy":{
                  "phases":{
                      "hot":{
                          "actions":{
                              "rollover":{
                                  "max_size":"50GB",
                                  "max_age":"30d"
                              }
                          }
                      },
                      "warm":{
                          "min_age":"1d",   // 当从创建此分片时，超过1天，phase进入warm阶段
                          "actions":{
                              "allocate":{
                                  "number_of_replicas":1
                              }
                          }
                      },
                      "delete":{
                          "min_age":"90d",   // 当从创建此分片时，超过90天，phase进入delete阶段，删除索引分片
                          "actions":{
                              "delete":{
                              }
                          }
                      }
                  }
              }
          }
 *  **构建索引模块，应用生命周期**：
    
        PUT _template/datastream_template
          {
            "index_patterns": ["datastream-*"],                 
            "settings": {
              "number_of_shards": 1,
              "number_of_replicas": 1,
              "index.lifecycle.name": "datastream_policy",      // 使用哪个生命周期策略
              "index.lifecycle.rollover_alias": "datastream"    // 滚动生成所有索引的别名
            }
          }
 *  **LifeCycle Phase**: 生命周期阶段，周期管理时不需要定义每个阶段
    
     *  **hot** The index is actively being written to
     *  **warm** The index is generally not being written to, but is still queried
     *  **cold** The index is no longer being updated and is seldom queried. The information still needs to be searchable, but it’s okay if those queries are slower.
     *  **delete** The index is no longer needed and can safely be deleted

*  **indices.lifecycle.poll\_interval**： 配置多久去校验生命周期配置
 *  **在生命周期每个阶段可以执行的动作**：
    
     *  **Allocate** ：warm, cold， 可以重新制定分片的副本数量 ，可配置下来参数
        
         *  **number\_of\_replicas**：The number of replicas to assign to the index
         *  **include**：assigns an index to nodes having at least one of the attributes
         *  **exclude**：assigns an index to nodes having none of the attributes
         *  **require**：assigns an index to nodes having all of the attributes
     *  **delete**：删除分片，
        
            "delete" : {
               }
     *  **forcemerge**：强制合并segments
        
            "forcemerge" : {
              	   "max_num_segments": 1
              }
     *  **freeze**：冻结索引
        
            "freeze" : { 
              }
     *  **readonly**：设置索引为只读
        
            "readonly" : { 
              }
     *  **Rollover**：按模板滚动生成索引，触发阈值为 `max_size，max_docs，max_age` 三选一；`index.lifecycle.rollover_alias`： 滚动生成的索引别名
     *  **shrink**：缩容分片数
        
            "shrink" : {
              	"number_of_shards": 1
              }

*  **freeze index**：冻结索引，索引信息不会加载到内存，都是在磁盘，每次检索时构建，用完就放弃，这样不会占用内存空间。`建议将冻结的index分配到指定的node上`，防止其检索时的高延迟和瞬间内存占用影响正常其他低延迟的功能，同时将每个shard的segment merge成一个，提高检索时的加载效率 `POST /twitter/_forcemerge?max_num_segments=1`
 *  **index.lifecycle.indexing\_complete**： 当设置为true时，不再滚动生成，适用于模板出错时切换新的索引模板
 *  **生命周期策略更新**：索引生命周期策略，新的索引应用此策略是`默认使用最新版本`的，如果有索引在使用这个策略，`更新此策略是不会对正在使用中的索引生效`，但滚动生成的新的索引，或者进入到下个阶段时 会应用更新后的策略，如果执行生命周期出现异常时，会进入`error`的步骤steep，修改周期policy，然后执行retry `POST /myindex/_ilm/retry`
 *  **search\_throttled**： freez index 检索时的的 Thread Pool，默认大小是`1`，定义了同一时间只有一个frozed index 可以被加载查询
 *  **配置Watch(监控)步骤**：
    
     *  **Schedule**： 定期的运行query，然后检测是否符合Condition
     *  **Query** : 查询作为condition的输入，支持es的所有查询语言包括聚合
     *  **Condition**： 一个condition判断是否执行action，可以使用最简单的always true，或者使用脚本判断
     *  **Actions**： 配置一个或者多个action，比如发送一个email，或者向第三方系统推送数据，或者将query的数据索引起来