单机的 elasticsearch 做数据存储，必然面临两个问题：海量数据存储问题、单点故障问题。

• 海量数据存储问题：将索引库从逻辑上拆分为 N 个分片（shard），存储到多个节点
• 单点故障问题：将分片数据在不同节点备份（replica ）

节点角色

节点类型	配置参数	默认值	节点职责
master eligible	node.master	true	备选主节点：主节点可以管理和记录集群状态、决定分片在哪个节点、处理创建和删除索引库的请求
data	node.data	true	数据节点：存储数据、搜索、聚合、CRUD
ingest	node.ingest	true	数据存储之前的预处理
coordinating	上面 3 个参数都为 false 则为 coordinating 节点	无	路由请求到其它节点合并其它节点处理的结果，返回给用户

分布式查询

es 中的每个节点角色都有自己不同的职责，因此建议集群部署时。每个节点都有独立的角色。

分布式存储

当新增文档时，应该保存到不同分片，保证数据均衡，那么 coordinating node 如何确定数据该存储到哪个分片呢？elasticsearch 会通过 hash 算法来计算文档应该存储到哪个分片：

shard = hash(_routing) % number_of_shards

说明：

• _routing 默认是文档的 id
• 算法与分片数量有关，因此索引库一旦创建，分片数量不能修改！

新增文档流程

elasticsearch 的查询分成两个阶段：

• scatter phase：分散阶段，coordinating node 会把请求分发到每一个分片
• gather phase：聚集阶段，coordinating node 汇总 data node 的搜索结果，并处理为最终结果集返回给用户

coordinating node 可以是 node1、node2、node3 任意一个，也可以是单独的结点

脑裂

默认情况下，每个节点都是 master eligible 节点，因此一旦 master 结点宕机，其他候选节点会选举一个称为主节点。当主节点与其他网络故障时，可能发生脑裂问题。

为了避免脑裂，需要要求选票超过 ( eligible 节点数量 + 1 ）/ 2 才能当选为主，因此 eligible 节点数量最好是奇数。对应配置项是 discovery.zen.minimum_master_nodes ，在 es7.0 以后，已经成为默认配置，因此一般不会发生脑裂问题

部署 es 集群

部署 es 集群可以直接使用 docker-compose 来完成，不过要求你的 Linux 虚拟机至少有 4G 的内存空间

修改 linux 系统权限，修改 /etc/sysctl.conf 文件

vim /etc/sysctl.conf

添加

vm.max_map_count=262144

使命令生效

sysctl -p

首先编写一个 docker-compose 文件，内容如下：

version: '2.2'
services:
  es01:
    image: docker.elastic.co/elasticsearch/elasticsearch:7.12.1
    container_name: es01
    environment:
      - node.name=es01
      - cluster.name=es-docker-cluster
      - discovery.seed_hosts=es02,es03
      - cluster.initial_master_nodes=es01,es02,es03
      - bootstrap.memory_lock=true
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
    ulimits:
      memlock:
        soft: -1
        hard: -1
    volumes:
      - data01:/usr/share/elasticsearch/data
    ports:
      - 9200:9200
    networks:
      - elastic
  es02:
    image: docker.elastic.co/elasticsearch/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
      - bootstrap.memory_lock=true
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
    ulimits:
      memlock:
        soft: -1
        hard: -1
    volumes:
      - data02:/usr/share/elasticsearch/data
    networks:
      - elastic
  es03:
    image: docker.elastic.co/elasticsearch/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
      - bootstrap.memory_lock=true
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
    ulimits:
      memlock:
        soft: -1
        hard: -1
    volumes:
      - data03:/usr/share/elasticsearch/data
    networks:
      - elastic

volumes:
  data01:
    driver: local
  data02:
    driver: local
  data03:
    driver: local

networks:
  elastic:
    driver: bridge

错误提示：ERROR: Couldn't connect to Docker daemon at http+docker://localhost - is it running?

点击查看

主要原因是 docker (opens new window) 不是系统服务方式启动。

# 启动docker服务
service docker start

# 生成自启动服务
systemctl enable docker.service

# 查看服务状态，Active状态为：active（running）
systemctl status docker.service

ERROR: Couldn't connect to Docker daemon at http+docker://localhost - is it running?_fishinhouse 的博客 - CSDN 博客 (opens new window)

集群状态监控

kibana 可以监控 es 集群，不过新版本需要依赖 es 的 x-pack 功能，配置比较复杂。

这里推荐使用 cerebro 来监控 es 集群状态，官方网址：https://github.com/lmenezes/cerebro

• 下载 cerebro-0.9.4.zip
• 运行 bin/cerebro.bat
• 访问 localhost:9000
  • 输入一个节点的地址

创建索引库

PUT /itcast
{
  "settings": {
    "number_of_shards": 3, // 分片数量
    "number_of_replicas": 1 // 副本数量
  },
  "mappings": {
    "properties": {
      // mapping映射定义 ...
    }
  }
}

可使用 cerebro 创建： more -> create index

查询文档存储的所在节点

GET /itcast/_search
{
    "explain": true,
    "query": {
        "match_all": {}
    }
}

故障转移

集群的 master 节点会监控集群中的节点状态，如果发现有节点宕机，会立即将宕机节点的分片数据迁移到其它节点，确保数据安全，这个叫做故障转移。

故障转移：

• master 宕机后，EligibleMaster 选举为新的主节点。
• master 节点监控分片、节点状态，将故障节点上的分片转移到正常节点，确保数据安全。