33. 集群

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 ）

ES 集群相关概念:

• 集群（cluster）：一组拥有共同的 cluster name 的 节点。

• ：集群中的一个 Elasticearch 实例
• ：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

  解决问题：数据量太大，单点存储量有限的问题。

  

  此处，我们把数据分成 3 片：shard0、shard1、shard2

• 主分片（Primary shard）：相对于副本分片的定义。

• 副本分片（Replica shard）每个主分片可以有一个或者多个副本，数据和主分片一样。

数据备份可以保证高可用，但是每个分片备份一份，所需要的节点数量就会翻一倍，成本实在是太高了！

为了在高可用和成本间寻求平衡，我们可以这样做：

• 首先对数据分片，存储到不同节点
• 然后对每个分片进行备份，放到对方节点，完成互相备份

这样可以大大减少所需要的服务节点数量，如图，我们以 3 分片，每个分片备份一份为例：

现在，每个分片都有 1 个备份，存储在 3 个节点：

• node0：保存了分片 0 和 1
• node1：保存了分片 0 和 2
• node2：保存了分片 1 和 2

33.1.搭建 ES 集群

部署 es 集群

33.2.集群脑裂问题

33.2.1.集群职责划分

elasticsearch 中集群节点有不同的职责划分：

默认情况下，集群中的任何一个节点都同时具备上述四种角色。

但是真实的集群一定要将集群职责分离：

• master 节点：对 CPU 要求高，但是内存要求第
• data 节点：对 CPU 和内存要求都高
• coordinating 节点：对网络带宽、CPU 要求高

职责分离可以让我们根据不同节点的需求分配不同的硬件去部署。而且避免业务之间的互相干扰。

一个典型的 es 集群职责划分如图：

33.2.2.脑裂问题

脑裂是因为集群中的节点失联导致的。

例如一个集群中，主节点与其它节点失联：

此时，node2 和 node3 认为 node1 宕机，就会重新选主：

当 node3 当选后，集群继续对外提供服务，node2 和 node3 自成集群，node1 自成集群，两个集群数据不同步，出现数据差异。

当网络恢复后，因为集群中有两个 master 节点，集群状态的不一致，出现脑裂的情况：

解决脑裂的方案是，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

例如：3 个节点形成的集群，选票必须超过 （3 + 1） / 2 ，也就是 2 票。node3 得到 node2 和 node3 的选票，当选为主。node1 只有自己 1 票，没有当选。集群中依然只有 1 个主节点，没有出现脑裂。

33.2.3.小结

master eligible 节点的作用是什么？

• 参与集群选主
• 主节点可以管理集群状态、管理分片信息、处理创建和删除索引库的请求

data 节点的作用是什么？

• 数据的 CRUD

coordinator 节点的作用是什么？

• 路由请求到其它节点

• 合并查询到的结果，返回给用户

33.3.集群分布式存储

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？

33.3.1.分片存储测试

插入三条数据：

测试可以看到，三条数据分别在不同分片：

结果：

33.3.2.分片存储原理

elasticsearch 会通过 hash 算法来计算文档应该存储到哪个分片：

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！

新增文档的流程如下：

解读：

• 1）新增一个 id=1 的文档
• 2）对 id 做 hash 运算，假如得到的是 2，则应该存储到 shard-2
• 3）shard-2 的主分片在 node3 节点，将数据路由到 node3
• 4）保存文档
• 5）同步给 shard-2 的副本 replica-2，在 node2 节点
• 6）返回结果给 coordinating-node 节点

33.4.集群分布式查询

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

33.5.集群故障转移

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。

1）例如一个集群结构如图：

现在，node1 是主节点，其它两个节点是从节点。

2）突然，node1 发生了故障：

宕机后的第一件事，需要重新选主，例如选中了 node2：

node2 成为主节点后，会检测集群监控状态，发现：shard-1、shard-0 没有副本节点。因此需要将 node1 上的数据迁移到 node2、node3：