前言：大家好，我是小威，24届毕业生，在一家满意的公司实习。本篇文章参考网上的课程，介绍elasticsearch集群的搭建，以及Elasticsearch集群相关知识点整理。
如果文章有什么需要改进的地方还请大佬不吝赐教👏👏。
小威在此先感谢各位大佬啦~~🤞🤞
🏠个人主页：小威要向诸佬学习呀
🧑个人简介：大家好，我是小威，一个想要与大家共同进步的男人😉😉
目前状况🎉：24届毕业生，在一家满意的公司实习👏👏💕欢迎大家：这里是CSDN，我总结知识的地方，欢迎来到我的博客，我亲爱的大佬😘
以下正文开始
Elasticsearch部署集群
单机部署的Elasticsearch在做数据存储时会遇到存储数据上线和机器故障问题，因此对于Elasticsearch集群的部署是有必要的。搭建Elasticsearch集群，可以将创建的索引库拆分成多个分片（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），存储到不同的节点上，以此来解决海量数据存储问题；将分片上的数据分布在不同的节点上可以解决单点故障问题。
一个节点(node)就是一个Elasticsearch实例，一个Elasticsearch集群(cluster)由一个或多个节点组成，它们具有相同的集群名称（cluster.name），它们协同工作，分享数据和负载。
当加入新的节点或者删除一个节点时，集群就会感知到并平衡数据（同步）。
编写内容如下的docker-***pose文件，将其上传到Linux的/root目录下：
version: '2.2'
services:
es01:
image: elasticsearch:7.12.1
container_name: es01
environment:
- node.name=es01
- cluster.name=es-docker-cluster # 集群名称相同
- discovery.seed_hosts=es02,es03 # 可以发现的其他节点
- cluster.initial_master_nodes=es01,es02,es03 # 可以选举为主节点
- "ES_JAVA_OPTS=-Xms512m -Xmx512m"
volumes:
- data01:/usr/share/elasticsearch/data # 数据卷
ports:
- 9200:9200 # 容器内外端口映射
***works:
- 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
***works:
- 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
***works:
- elastic
ports:
- 9202:9200
volumes:
data01:
driver: local
data02:
driver: local
data03:
driver: local
***works:
elastic:
driver: bridge
es运行需要修改一些linux系统权限，进入并修改/etc/sysctl.conf文件
vi /etc/sysctl.conf
在文件中添加下面的内容：
vm.max_map_count=262144
然后执行命令，让配置生效：
sysctl -p
通过docker-***pose启动集群：
docker-***pose up -d
启动完成后，使用docker查看运行的容器，可以看到已启动Elasticsearch集群：
Elasticsearch集群职责
在Elasticsearch集群中，不同的节点可以承担不同的职责，例如：
-
Master节点：负责集群的管理和调度，包括分配和重新分配分片、节点的加入和退出、索引的创建和删除等。
-
Data节点：负责存储数据和执行搜索请求，包括分片的读写、搜索请求的处理等。
-
Ingest节点：负责对文档进行预处理，例如对文档进行解析、转换、过滤等操作。
-
Coordinating节点：负责协调搜索请求，将请求转发给适当的Data节点进行处理，并将结果汇总返回给客户端。
在实际的生产环境中，可以根据集群的规模和负载情况来决定节点的职责划分。例如，在小型集群中，可以将所有节点都设置为Master节点和Data节点；在大型集群中，可以将一部分节点设置为Master节点，一部分节点设置为Data节点，同时还可以设置一些Coordinating节点和Ingest节点来协调搜索请求和处理文档预处理。
Elasticsearch集群健康状态
Elasticsearch集群的健康状态可以通过以下命令或API来查看：
- 命令行方式：
可以使用curl命令或者httpie命令来访问Elasticsearch的API来获取集群健康状态，例如：
curl -X GET "localhost:9200/_cat/health?v"
或者
http GET localhost:9200/_cat/health?v
其中，localhost:9200是Elasticsearch的地址和端口号，_cat/health是API的路径，v表示显示详细信息。执行以上命令后，会返回如下信息：
epoch timestamp cluster status node.total node.data shards pri relo init unassign pending_tasks max_task_wait_time active_shards_percent
1578318307 02:38:27 elasticsearch green 1 1 6 3 0 0 0 0 - 100.0%
其中，status字段表示集群的健康状态，有以下几种取值：
- green：所有主分片和副本分片都正常分配到节点上。
- yellow：所有主分片都正常分配到节点上，但是有一些副本分片还没有分配到节点上。
- red：有一些主分片没有分配到节点上，导致数据不可用。
- API方式：
可以使用Elasticsearch的API来获取集群健康状态，例如：
GET /_cluster/health
执行以上命令后，会返回如下信息：
{
"cluster_name" : "my_cluster",
"status" : "green",
"timed_out" : false,
"number_of_nodes" : 1,
"number_of_data_nodes" : 1,
"active_primary_shards" : 6,
"active_shards" : 6,
"relocating_shards" : 0,
"initializing_shards" : 0,
"unassigned_shards" : 0,
"delayed_unassigned_shards" : 0,
"number_of_pending_tasks" : 0,
"number_of_in_flight_fetch" : 0,
"task_max_waiting_in_queue_millis" : 0,
"active_shards_percent_as_number" : 100.0
}
其中，status字段表示集群的健康状态，其他字段的含义和命令行方式相同。
Elasticsearch集群分片
Elasticsearch集群中的数据被分成多个分片（shard），每个分片是一个独立的Lucene索引。分片可以在集群中的不同节点上分布，以提高搜索和写入性能。分片有两种类型：主分片（primary shard）和副本分片（replica shard）。
主分片是每个文档的主要存储位置，每个主分片都有一个唯一的标识符，并且只能在一个节点上存在。当一个文档被索引时，它被路由到一个主分片，然后被写入该分片的Lucene索引。
副本分片是主分片的拷贝，它们可以在不同的节点上存在。副本分片的数量可以在索引创建时指定，它们可以提高搜索性能和可用性。当一个主分片不可用时，副本分片可以被用来提供搜索结果。副本分片也可以用来平衡负载，因为它们可以被用来处理读取请求。
在Elasticsearch集群中，分片的数量和副本的数量可以通过索引的设置进行配置。通常，主分片的数量应该小于或等于集群中的节点数，以确保每个节点都有主分片。副本分片的数量应该根据集群的负载和可用性需求进行配置。
当索引创建完成的时候，主分片的数量就固定了，但是复制分片的数量可以随时调整。
Elasticsearch故障转移
集群的master节点会监控集群中的所有节点的状态，一旦发现有节点宕机，就会立即将宕机的节点分片的数据迁移到其他节点上，以此来保证数据安全，这个流程叫故障转移。与此同时剩余节点中会重新选举主节点，当原来的主节点恢复正常时，原来迁移到其他节点上面的分片会被迁移到恢复的节点上，但此时原来的主节点不再是主节点（哥不再是当年的哥）。
总结：
Elasticsearch故障转移的实现主要依赖于以下两个机制：
-
分片复制机制：Elasticsearch将索引分为多个分片，每个分片都有多个副本，分布在不同的节点上。当一个节点发生故障时，其他节点上的副本可以接管该分片的工作，保证数据的可用性。
-
主从复制机制：Elasticsearch集群中的每个分片都有一个主节点和多个从节点。当主节点宕机时，从节点会自动选举一个新的主节点，以继续处理该分片的请求。
在实际应用中，为了进一步提高Elasticsearch集群的可用性和稳定性，可以采用以下措施：
-
配置多个节点：将Elasticsearch集群部署在多个节点上，以分散风险，避免单点故障。
-
监控节点状态：使用监控工具对Elasticsearch节点进行实时监控，及时发现并处理故障。
-
自动化运维：使用自动化运维工具对Elasticsearch集群进行管理和维护，减少人为操作的错误和风险。
-
定期备份数据：定期备份Elasticsearch集群中的数据，以防止数据丢失和损坏，保证数据的可恢复性。
书籍推荐
工欲善其事，必先利其器。今天推荐你入手这本React技术的神级武器库：《React Cookbook中文版》 ，（O’reily的经典系列书籍）
正如本书的英文原名一样，作为Cookbook（菜谱），本书将呈现React各个方面的“精美菜肴”。
具体说来，本书具有如下特点：
涉及React技术的方方面面
从目录就可以看出，本书覆盖了所有React技术使用者可能会涉及的方方面面。译者团队频频感慨，这本书真是太全了，如果能把书中内容都研究透，绝对可以成为React大拿。如果你是前端架构师，本书应该常伴你左右。
内容讲解循序渐进
相信每个爱钻研技术的开发者，看一般技术书籍的时候往往有这种感觉：内容流于泛泛，看完好像学了很多，却又很容易遗忘。而本书作为一本“菜谱”，每章的目标都是做出一道“菜肴”（即一个前端项目），每个小节又都以问题为牵引，让我们在不断跟随书中节奏解决问题的过程中，逐步对这个项目不断完善和迭代，在该章完结的时候，正好完成一个完整的可运行实例。其中要说明的是，这些问题来源于我们React技术开发者工作中真正遇到的最常见难题，因此本书又具备了另一个特点，即可以直接当成工具书，随用随查（这也是书名的本意）。
翔实的参考资料
每个小节除了“问题”和“解决方案”之外，还有“讨论”，很多时候还会给出重要资料的相关链接，便于读者进一步学习。相信每一个想在前端领域不断精进的小伙伴，在阅读的过程中，都会不断感知到自己的知识网络又拓展了。
以上只是大体介绍了本书的特色，本书还有很多亮点需要读者在阅读过程中去探索，比如在书中项目选取上的匠心独运，需要读者亲自去体会，相信你通读完全书后，也会跟我们得出同样的结论：本书是React技术的神级武器库。
读者收获
React可以帮助你便捷地创建和处理应用程序，但要掌握如何将各部分功能有机地整合在一起却并不容易。如何验证表单？如何在保持代码精简的情况下实现复杂的多步骤用户操作？如何测试代码？如何保证可维护性？如何连接后端？如何提高代码可读性？本书可以帮你快速解决这些问题。
许多书籍教你如何入门、理解框架，或者如何将组件库与React结合使用，但很少提供代码示例来帮助你解决具体的问题。本书简明易懂，包含开发人员使用React解决常见问题时的示例代码，这些解决方案按主题和问题类型分类，便于你索引和查找。
通过阅读本书，你将学会：
- 向使用React构建的单页面应用程序引入丰富多彩的UI。
- 创建可以离线安装和使用的渐进式Web应用程序。
- 与REST、GraphQL等后端服务集成。
- 自动测试应用程序的可访问性。
- 使用WebAuthn引入指纹验证和安全令牌，增强应用程序的安全性。
- 处理bug，并避免常见的功能和性能问题。
京东购买链接：点击了解
评论区任意留言可参与活动抽奖（评论最多五条，抽取四名欧皇）
好了，本篇文章就先分享到这里了，后续会继续分享其他方面的知识，感谢大佬认真读完支持咯~
文章到这里就结束了，如果有什么疑问的地方请指出，诸佬们一起讨论😁
希望能和诸佬们一起努力，今后我们顶峰相见🍻
再次感谢各位小伙伴儿们的支持🤞
