我试图了解Elasticsearch中的分片和副本,但是我没有设法理解它。如果我下载Elasticsearch并运行脚本,那么据我所知,我已经启动了具有单个节点的集群。现在,该节点(我的PC)具有5个分片(?)和一些副本(?)。
它们是什么,我有5个重复的索引吗?如果可以,为什么?我可能需要一些解释。
我将尝试用一个真实的例子来解释,因为您得到的答案和答复似乎对您没有帮助。
当您下载并启动elasticsearch时,您将创建一个elasticsearch节点,该节点尝试加入现有集群(如果可用)或创建一个新集群。假设您使用一个节点(刚启动的一个节点)创建了自己的新集群。我们没有数据,因此我们需要创建一个索引。
创建索引时(在索引第一个文档时也会自动创建索引),您可以定义它将组成多少个分片。如果您不指定数字,它将具有默认的分片数量:5个原色。这是什么意思?
这意味着elasticsearch将创建5个包含您的数据的主要分片:
____ ____ ____ ____ ____ | 1 | | 2 | | 3 | | 4 | | 5 | |____| |____| |____| |____| |____|
每次您为文档建立索引时,elasticsearch都会决定应该使用哪个主碎片来保存该文档,并在其中建立索引。主碎片不是数据的副本,而是数据!拥有多个分片确实有助于在一台机器上利用并行处理,但是要点是,如果我们在同一集群上启动另一个Elasticsearch实例,这些分片将以均匀的方式分布在集群上。
然后,节点1将仅保留三个分片:
____ ____ ____ | 1 | | 2 | | 3 | |____| |____| |____|
由于剩余的两个分片已移至新启动的节点:
____ ____ | 4 | | 5 | |____| |____|
为什么会这样?由于elasticsearch是一个分布式搜索引擎,因此您可以利用多个节点/机器来管理大量数据。
每个Elasticsearch索引都至少包含一个主分片,因为这是存储数据的地方。但是,每个分片都是有代价的,因此,如果您只有一个节点并且没有可预见的增长,则只需坚持使用一个主分片。
分片的另一种类型是副本。默认值为1,这意味着每个主分片将被复制到另一个包含相同数据的分片。副本用于提高搜索性能和故障转移。副本碎片永远不会分配到相关主数据库所在的同一节点上(这就像将备份与原始数据放在同一磁盘上一样)。
回到我们的示例,对于1个副本,我们将在每个节点上拥有整个索引,因为将在第一个节点上分配2个副本分片,并且它们将包含与第二个节点上的主分片完全相同的数据:
____ ____ ____ ____ ____ | 1 | | 2 | | 3 | | 4R | | 5R | |____| |____| |____| |____| |____|
与第二个节点相同,它将包含第一个节点上的主要分片的副本:
____ ____ ____ ____ ____ | 1R | | 2R | | 3R | | 4 | | 5 | |____| |____| |____| |____| |____|
通过这样的设置,如果节点发生故障,您仍然拥有整个索引。副本分片将自动成为主副本,并且即使节点发生故障,群集也可以正常工作,如下所示:
由于您具有"number_of_replicas":1,因此无法再分配副本,因为它们永远不会在其主副本所在的同一节点上进行分配。因此,您将拥有5个未分配的分片,副本和集群状态YELLOW为GREEN。没有数据丢失,但是由于不能分配某些分片,因此可能会更好。
"number_of_replicas":1
YELLOW
GREEN
一旦备份了剩下的节点,它将再次加入群集,并且副本将再次分配。可以加载第二个节点上的现有分片,但它们需要与其他分片同步,因为写操作最有可能在节点关闭时发生。该操作结束时,群集状态将变为GREEN。
希望这可以为您澄清一切。