文章
来自专栏腾讯云Elasticsearch Service
阅读588
Elasticsearch最佳实践之分片使用优化
老生姜
一、遇到的问题
与大多数分布式系统一样，Elasticsearch按照一定的Hash规则把用户数据切分成多个分片，然后打散到不同机器进行存储，从而实现大规模数据的分布式存储。
cluster.png
然而在一些复杂的应用场景中使用Elasticsearch，经常会遇到分片过多引发的一系列问题。起初我们在支撑内部某业务时，单集群内有约1000个子业务，大部分子业务保留31天的数据。如果每个子业务按天滚动建立Index，每个Index 5个分片、一主两从共三副本的情况下，集群内部会有多达45w~个分片。在集群内分片过多时，经常遇到下面这些问题：
1. 创建分片慢：Elasticsearch创建分片的速度会随着集群内分片数的增加而变慢。以ES 5.5.2版本、3节点集群为例，在默认配置下，当集群分片数超过1w时，创建index的耗时一般在几十秒甚至以上。
2. 集群易崩溃：在凌晨触发Elasticsearch自动创建Index时，由于创建速度太慢，容易导致大量写入请求堆积在内存，从而压垮集群。
3. 写入拒绝：分片过多的场景中，如果不能及时掌控业务变化，可能经常遇到单分片记录超限、写入拒绝等问题。
二、解决过程
拆分集群
对于存在明显分界线的业务，可以按照业务、地域使用不同集群，这种拆分集群的思路是非常靠谱的。Elasticsearch官方建议使用小而美的集群，避免巨无霸式的集群，我们在实际使用过程中对这一点也深有体会。但对于我们的场景，已经按照地域拆分了集群，且同一地域的子业务间分界线不明显，拆分过多的集群维护成本较高。
调整滚动周期
根据保留时长调整index滚动周期是最简单有效的思路。例如保留3天的数据按天滚动，保留31天的数据按周滚动，保留一年的数据按月滚动。合理的滚动周期，可以在存储成本增加不大的情况下，大幅降低分片数量。
对于我们的场景，大部分数据保留31天，在按周滚动的情况下，集群的总分片数可以下降到6.5w~个。
合理设置分片数和副本数
集群内部除个别子业务压力较高外，大部分业务压力较小，合理设置单Index的分片数效果也不错。我们的经验是单个分片的大小在10GB~30GB之间比较合适，对于压力非常小的业务可以直接分配1个分片。其他用户可结合具体场景考虑，同时注意单分片的记录条数不要超过上限2,147,483,519。
在平衡我们的业务场景对数据可靠性的要求 及 不同副本数对存储成本的开销 两个因素之后，我们选择使用一主一从的副本策略。
目前我们集群单Index的平均分配数为3，集群的总分片数下降到3w~个。
分片分配流程优化
默认情况下，ES在分配分片时会考虑分片relocation对磁盘空间的影响。在分片数较少时，这个优化处理的副作用不明显。但随着单机分片数量的上升，这个优化处理涉及的多层循环嵌套过程耗时愈发明显。可通过cluster.routing.allocation.disk.include_relocations: false关闭此功能，这对磁盘均衡程度影响不明显。
预创建Index
对于单集群3w分片的场景，集中在每周某天0点创建Index，对集群的压力还是较大，且存储空间存在波动。考虑到集群的持续扩展能力和可靠性，我们采用预创建方式提前创建分片，并把按Index的创建时间均匀打散到每周的每一天。
持续调整分片数
对于集群分片的调整，通常不是一蹴而就的。随着业务的发展，不断新增的子业务 或 原有子业务规模发生突变，都需要持续调整分片数量。
默认情况下，新增的子业务会有默认的分片数量，如果不足，会在测试阶段及上线初期及时发现。随着业务发展，系统会考虑Index近期的数据量、写入速度、集群规模等因素，动态调整分片数量。
三、后续
目前，Elasticsearch的分片均衡策略尚有瑕疵，例如：1. 机器的空间利用不是非常均衡，对于此类场景，用户可暂时通过调整机器空间的高低水位线配置触发数据均衡；2. 当集群扩容新节点时，Elasticsearch会把大量新建分片分配到新机器，导致新机器压力过高，目前用户可临时通过index.routing.allocation.total_shards_per_node配置进行限制。
这是我们后续在分片使用方面的优化工作，通过直接优化分片均衡策略，更优雅的解决上述问题。如果大家有分片使用方面的问题 或 经验，欢迎一起交流讨论！
原创声明，本文系作者授权云+社区发表，未经许可，不得转载。如有侵权，请联系 yunjia_community@tencent.com 删除。
编辑于 2018-12-07
Elasticsearch
来自专栏腾讯云Elasticsearch Service
弹性伸缩、安全可靠的 Elasticsearch 服务，助力海量数据搜索与分析
