节点类型

悠悠 2022-05-10 08:52 315阅读 0赞

Elasticsearch天生就支持分布式部署，通过集群部署可以提高系统的可用性。本文重点谈一谈Elasticsearch的集群节点相关问题，搞清楚这些是进行Elasticsearch集群部署和拓扑结构设计的前提。关于如何配置集群的配置文件不会在本文中提及。

## **节点类型** ##

#### **1. 候选主节点（Master-eligible node）** ####

一个节点启动后，就会使用Zen Discovery机制去寻找集群中的其他节点，并与之建立连接。集群中会**从候选主节点中选举出一个主节点**，主节点负责创建索引、删除索引、分配分片、追踪集群中的节点状态等工作。Elasticsearch中的主节点的工作量相对较轻，用户的请求可以发往任何一个节点，由该节点负责分发和返回结果，而不需要经过主节点转发。  
  正常情况下，集群中的所有节点，应该对主节点的选择是一致的，即一个集群中只有一个选举出来的主节点。然而，在某些情况下，比如网络通信出现问题、主节点因为负载过大停止响应等等，就会导致重新选举主节点，此时可能会出现集群中有多个主节点的现象，即节点对集群状态的认知不一致，称之为**脑裂现象**。为了尽量避免此种情况的出现，可以通过discovery.zen.minimum\_master\_nodes来设置最少可工作的候选主节点个数，建议设置为(候选主节点数 / 2) + 1, 比如，当有三个候选主节点时，该配置项的值为(3/2)+1=2，也就是**保证集群中有半数以上的候选主节点**。  
  候选主节点的设置方法是设置node.mater为true，默认情况下，node.mater和node.data的值都为true，即该节点既可以做候选主节点也可以做数据节点。由于数据节点承载了数据的操作，负载通常都很高，所以**随着集群的扩大，建议将二者分离，设置专用的候选主节点**。当我们设置node.data为false，就将节点设置为专用的候选主节点了。

node.master = true
    node.data = false
     
      
       1
       2

#### **2. 数据节点（Data node）** ####

数据节点负责数据的存储和相关具体操作，比如CRUD、搜索、聚合。所以，**数据节点对机器配置要求比较高**，首先需要有足够的磁盘空间来存储数据，其次数据操作对系统CPU、Memory和IO的性能消耗都很大。通常随着集群的扩大，需要增加更多的数据节点来提高可用性。  
  前面提到默认情况下节点既可以做候选主节点也可以做数据节点，但是数据节点的负载较重，所以需要考虑将二者分离开，设置专用的数据节点，避免因数据节点负载重导致主节点不响应。

node.master = false
    node.data = true
     
      
       1
       2

#### **3. 客户端节点（Client node）** ####

按照官方的介绍，客户端节点就是既不做候选主节点也不做数据节点的节点，只负责请求的分发、汇总等等，也就是下面要说到的协调节点的角色。这样的工作，其实任何一个节点都可以完成，单独增加这样的节点更多是为了负载均衡。

node.master = false
    node.data = false

#### **4. 协调节点（Coordinating node）** ####

协调节点，是一种角色，而不是真实的Elasticsearch的节点，你没有办法通过配置项来配置哪个节点为协调节点。**集群中的任何节点，都可以充当协调节点的角色**。当一个节点A收到用户的查询请求后，会把查询子句分发到其它的节点，然后合并各个节点返回的查询结果，最后返回一个完整的数据集给用户。在这个过程中，节点A扮演的就是协调节点的角色。毫无疑问，协调节点会对CPU、Memory要求比较高。

## **分片与集群状态** ##

分片（Shard），是Elasticsearch中的最小存储单元。一个索引（Index）中的数据通常会分散存储在多个分片中，而这些分片可能在同一台机器，也可能分散在多台机器中。这样做的优势是**有利于水平扩展，解决单台机器磁盘空间和性能有限的问题**，试想一下如果有几十TB的数据都存储同一台机器，那么存储空间和访问时的性能消耗都是问题。  
  默认情况下，Elasticsearch会为每个索引分配5个分片，但是这并不代表你必须使用5个分片，同时也不说分片越多性能就越好。**一切都取决对你的数据量的评估和权衡**。虽然跨分片查询是并行的，但是请求分发、结果合并都是需要消耗性能和时间的，所以在数据量较小的情况下，将数据分散到多个分片中反而会降低效率。如果说一定要给一个数据的话，笔者现在的每个分片数据量大概在20GB左右。  
  关于**多分片与多索引的问题**。一个索引可以有多个分片来完成存储，但是主分片的数量是在索引创建时就指定好的，且无法修改，所以尽量不要只为数据存储建立一个索引，否则后面数据膨胀时就无法调整了。笔者的建议是对于同一类型的数据，根据时间来分拆索引，比如一周建一个索引，具体取决于数据增长速度。  
  上面说的是主分片（Primary Shard），为了提高服务可靠性和容灾能力，通常还会分配复制分片（Replica Shard）来**增加数据冗余性**。比如设置复制分片的数量为1时，就会对每个主分片做一个备份。  
  通过API（[http://localhost:9200/\_cluster/health?pretty][http_localhost_9200_cluster_health_pretty]）可以查看集群的状态，通常集群的状态分为三种：

*  Red，表示有主分片没有分配，某些数据不可用。
 *  Yellow，表示主分片都已分配，数据都可用，但是有复制分片没有分配。
 *  Green，表示主分片和复制分片都已分配，一切正常。

## **部署拓扑** ##

最后，来看两个集群部署的拓扑图，这里我们不考虑单个节点的调优。拓扑图一是一个简单的集群部署，适用于数据量较小的场景。集群中有三个节点，三个都是候选主节点，因此我们可以设置最少可工作候选主节点个数为2。节点1和2同时作为数据节点，两个节点的数据相互备份。这样的部署结构在扩展过程中，通常是先根据需要逐步加入专用的数据节点，最后考虑将数据节点和候选主节点分离，也就发展为了拓扑图二的结构。在拓扑图二中，有三个专用的候选主节点，用来做集群状态维护，数据节点根据需要进行增加，注意只增加专用的数据节点即可。

![SouthEast][]

拓扑图一

![SouthEast 1][]

拓扑图二

（全文完，本文地址：[http://blog.csdn.net/zwgdft/article/details/54585644][http_blog.csdn.net_zwgdft_article_details_54585644]）  
Bruce，2017/01/18

[http_localhost_9200_cluster_health_pretty]: http://localhost:9200/_cluster/health?pretty
[SouthEast]: /images/20220510/3edb4207c58a4ac59ba3518f2906e6fb.png
[SouthEast 1]: /images/20220510/77b56ff967674518be67f8657a8b9507.png
[http_blog.csdn.net_zwgdft_article_details_54585644]: http://blog.csdn.net/zwgdft/article/details/54585644