Elasticsearch使用SSD進(jìn)行冷熱分離最大化利用資源

Elasticsearch使用SSD進(jìn)行冷熱分離

為了不浪費(fèi)服務(wù)器資源(每臺機(jī)器上均配置有SSD和大存儲,且內(nèi)存配置較高)幔欧,提高ES讀寫性能,我們嘗試進(jìn)行了ES集群冷熱分離的配置。

測試環(huán)境

兩臺機(jī)器,均配置有SSD和SATA盤。每臺機(jī)器上運(yùn)行兩個(gè)ES實(shí)例捎废,其中一個(gè)實(shí)例配置data目錄為SSD

  1. 解壓安裝(兩臺機(jī)器)
    mkdir -p /data/mdware
    cd /data/mdware
    tar -zxf elasticsearch-2.2.1.tar.gz
    ln -s /data/mdware/elasticsearch-2.2.1 /data/mdware/es
    cd /data/mdware/es/conf
    mkdir instance1
    mkdir instance2
    cp elasticsearch.yml instance1
    mv elasticsearch.yml instance2
    cp logging.yml instance1
    mv logging.yml instance2
  2. 配置(四個(gè)配置文件,注意區(qū)別)
action.auto_create_index : -protocol*,+*
cluster.name: knowops
#分別取名為kone1.2.3.4
node.name: "kone1"
# kone2配置為 /ssd/kone2data(/ssd   SSD掛載目錄)
path.data: /data/mdware/elasticsearch-2.2.1/kone1data
path.logs: /data/mdware/elasticsearch-2.2.1/kone1log
bootstrap.mlockall: true
# IP
network.host: 192.168.211.129
node.max_local_storage_nodes: 2
http.cors.enabled : true
http.cors.allow-origin : "*"
index.number_of_replicas: 0
discovery.zen.ping.unicast.hosts: ["192.168.211.129:9300","192.168.211.130:9300"]
  1. 啟動
    cd /data/mdware/es
    ulimit -n 655360(打開文件數(shù)最低要求為65536)
    export ES_HEAP_SIZE=16g(我的配置為1/8內(nèi)存)
    bin/elasticsearch -Des.insecure.allow.root=true -Des.path.conf=config/instance1 -d --node.tag=hot(SSD配置為hot節(jié)點(diǎn))
    export ES_HEAP_SIZE=16g(1/8內(nèi)存)
    bin/elasticsearch -Des.insecure.allow.root=true -Des.path.conf=config/instance2 -d --node.tag=stale

  2. 模板配置
    vi database.template.json

{
        "template":"ni-database-*",
        "settings":{
                "index.number_of_replicas":"0",
                 "index.routing.allocation.require.tag" : "hot"   //配置寫入hot節(jié)點(diǎn)
        },
        "mappings":{
                "_default_":{
                        "_all":{
                                "enabled":false,
                                "norms":{
                                        "enabled":false
                                }

                        },
                        "dynamic_templates":[
                                {
                                        "template1":{
                                                "mapping":{
                                                        "doc_values":true,
                                                        "ignore_above":1024,
                                                        "index":"not_analyzed",
                                                        "type":"{dynamic_type}"
                                                },
                                                "match":"*"
                                        }

                                }
                        ],
                        "properties":{
                            "timeStart":{
                                    "type":"date"
                            }
                        }
                }
        }
}
    curl -XPUT 192.168.211.130:9200/_template/ni-database-template -d @database.template.json
  1. 定時(shí)任務(wù)
    我們的索引是按天生成的致燥,所以每天00:30定時(shí)任務(wù)移動數(shù)據(jù)到stale節(jié)點(diǎn)
#/bin/bash
time=`date -d last-day "+%Y.%m.%d"`
curl -XPUT http://localhost:9200/*-${time}/_settings?pretty -d'
{
  "index.routing.allocation.require.tag": "stale"
}'
  1. 集群效果(kopf插件)
Paste_Image.png
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末登疗,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子嫌蚤,更是在濱河造成了極大的恐慌辐益,老刑警劉巖,帶你破解...
    沈念sama閱讀 222,729評論 6 517
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件脱吱,死亡現(xiàn)場離奇詭異智政,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)箱蝠,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 95,226評論 3 399
  • 文/潘曉璐 我一進(jìn)店門女仰,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人抡锈,你說我怎么就攤上這事∏峭猓” “怎么了床三?”我有些...
    開封第一講書人閱讀 169,461評論 0 362
  • 文/不壞的土叔 我叫張陵,是天一觀的道長杨幼。 經(jīng)常有香客問我撇簿,道長聂渊,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 60,135評論 1 300
  • 正文 為了忘掉前任四瘫,我火速辦了婚禮汉嗽,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘找蜜。我一直安慰自己饼暑,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 69,130評論 6 398
  • 文/花漫 我一把揭開白布洗做。 她就那樣靜靜地躺著弓叛,像睡著了一般。 火紅的嫁衣襯著肌膚如雪诚纸。 梳的紋絲不亂的頭發(fā)上撰筷,一...
    開封第一講書人閱讀 52,736評論 1 312
  • 那天,我揣著相機(jī)與錄音畦徘,去河邊找鬼毕籽。 笑死,一個(gè)胖子當(dāng)著我的面吹牛井辆,可吹牛的內(nèi)容都是我干的关筒。 我是一名探鬼主播,決...
    沈念sama閱讀 41,179評論 3 422
  • 文/蒼蘭香墨 我猛地睜開眼掘剪,長吁一口氣:“原來是場噩夢啊……” “哼平委!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起夺谁,我...
    開封第一講書人閱讀 40,124評論 0 277
  • 序言:老撾萬榮一對情侶失蹤廉赔,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后匾鸥,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體蜡塌,經(jīng)...
    沈念sama閱讀 46,657評論 1 320
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,723評論 3 342
  • 正文 我和宋清朗相戀三年勿负,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了馏艾。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 40,872評論 1 353
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡奴愉,死狀恐怖琅摩,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情锭硼,我是刑警寧澤房资,帶...
    沈念sama閱讀 36,533評論 5 351
  • 正文 年R本政府宣布,位于F島的核電站檀头,受9級特大地震影響轰异,放射性物質(zhì)發(fā)生泄漏岖沛。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 42,213評論 3 336
  • 文/蒙蒙 一搭独、第九天 我趴在偏房一處隱蔽的房頂上張望婴削。 院中可真熱鬧,春花似錦牙肝、人聲如沸唉俗。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,700評論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽互躬。三九已至,卻和暖如春颂郎,著一層夾襖步出監(jiān)牢的瞬間吼渡,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 33,819評論 1 274
  • 我被黑心中介騙來泰國打工乓序, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留寺酪,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 49,304評論 3 379
  • 正文 我出身青樓替劈,卻偏偏與公主長得像寄雀,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個(gè)殘疾皇子陨献,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,876評論 2 361

推薦閱讀更多精彩內(nèi)容