Elasticsearch集群搭建

集群概念

在单台 ES 服务器上,随着一个索引内数据的增多,会产生存储、效 率、安全等问题。

因此引入集群
我们需要将索引拆分成多份,分别放入不同的服务器中,此时这几台服务器维护了同一个索引,我们称这几台服务器为一个 集群 ,其中的每一台服务器为一个 节点 ,每一台服务器中的数据
称为一个 分片。
由于副本机制的存在
此时如果某个节点故障,则会造成集群崩溃,所以每个节点的分片往往还会创建副本 ,存放在 其他节点 中,此时一个节点的崩溃就不会影响整个集群的正常运行。

集群

一组节点组织在一起称为一个集群,它们共同持有整个的数据,并一起提供索引和搜索功能。

节点

一个节点是集群中的一台服务器,是集群的一部分。它存储数据,参与集群的索引和搜索功能。集群中有一个为主节点,主节点通过ES 内部选举产生。

分片

ES 可以把完整的索引分成多个分片,分别存储在 不同的节点上。

副本

ES 可以为每个分片创建副本,提高查询效率,保证在分片数据丢失后的恢复。
此外
1.分片的数量只能在索引创建时指定,索引创建后不能再更改分片数量,但可以改变副本的数量。

2.为保证节点发生故障后集群的正常运行,ES不会将某个分片和它的副本存在同一台节点上。

安装第一个节点

1.修改系统进程最大打开文件数

vim /etc/security/limits.conf

添加如下内容

es soft nofile 65535
es hard nofile 131072

2.安装

解压:

tar -zxvf elasticsearch-8.10.4-linux-x86_64.tar.gz -C /usr/local/
#重命名
mv elasticsearch-8.10.4 myes1

安装 ik 分词器

unzip elasticsearch-analysis-ik-8.10.4.zip -d /usr/local/myes1/plugins/analysis-ik

安装拼音分词器

unzip elasticsearch-analysis-pinyin-8.10.4.zip -d /usr/local/myes1/plugins/analysis-pinyin
#给当前普通用户取得该文件夹权限:
chown -R es1:es1 /usr/local/myes1

3.修改配置文件

打开节点一配置文件:

vim /usr/local/myes1/config/elasticsearch.yml

加入以下配置

java 复制代码
#集群名称,保证唯一
cluster.name: my_elasticsearch
#节点名称,必须不一样
node.name: node1
#可以访问该节点的ip地址
network.host: 0.0.0.0
#该节点服务端口号
http.port: 9200
#集群间通信端口号
transport.port: 9300
#候选主节点的设备地址
discovery.seed_hosts:
["127.0.0.1:9300","127.0.0.1:9301","127.0.0.
1:9302"]
#候选主节点的节点名
cluster.initial_master_nodes:
["node1","node2","node3"]
#关闭安全认证
xpack.security.enabled: false

4.启动

切换为 es 用户:

su es

后台启动第一个节点:

ES_JAVA_OPTS = "-Xms512m -Xmx512m" /usr/local/myes1/bin/elasticsearch -d

另外两节点 操作同上

但在修改elasticsearch.yml配置文件时不一样

第二节点

节点名称,必须不一样

node.name : node2

该节点服务端口号

http.port : 9201

集群间通信端口号

transport.port : 9301
第三节点

节点名称,必须不一样

node.name : node3

该节点服务端口号

http.port : 9202

集群间通信端口号

transport.port : 9302

验证:

访问

http://虚拟机ip:9200/_cat/nodes

出现下列信息,则代表集群成功启动

如何验证每个节点是否成功启动

curl 虚拟机ip**:**节点端口号

关闭该节点

1.查看进程

ps -ef |grep elastic

2.杀死该进程

kill -9 进程号

相关推荐
NiNg_1_2341 小时前
基于Hadoop的数据清洗
大数据·hadoop·分布式
成长的小牛2332 小时前
es使用knn向量检索中numCandidates和k应该如何配比更合适
大数据·elasticsearch·搜索引擎
goTsHgo2 小时前
在 Spark 上实现 Graph Embedding
大数据·spark·embedding
程序猿小柒2 小时前
【Spark】Spark SQL执行计划-精简版
大数据·sql·spark
隔着天花板看星星2 小时前
Spark-Streaming集成Kafka
大数据·分布式·中间件·spark·kafka
奥顺2 小时前
PHPUnit使用指南:编写高效的单元测试
大数据·mysql·开源·php
小屁孩大帅-杨一凡2 小时前
Flink 简介和简单的demo
大数据·flink
天冬忘忧3 小时前
Flink调优----反压处理
大数据·flink
sinat_307021533 小时前
大数据政策文件——职业道德(山东省大数据职称考试)
大数据·职场和发展
SeaTunnel3 小时前
某医疗行业用户基于Apache SeaTunnel从调研选型到企业数据集成框架的落地实践
大数据