单机的ES做数据存储与搜索，必然面临两个问题：

• 海量数据存储问题
• 单点故障问题

因此，考虑使用ES集群：

• 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。如此，ES的存储能力就是所有节点存储能力的总和
  

• 单点故障问题：将分片数据在不同的节点备份（replica），即主分片和副本分片不能在同一个节点
  

利用3个docker容器模拟3个es的节点：

• 首先编写 docker-compoes.yml文件，内容：

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  # 这里集群名称一样，集群名称相同的节点会形成集群
      - discovery.seed_hosts=es02,es03  # 集群中另外两个节点的IP，但这里我用容器模拟了，用容器名就能互连
      - cluster.initial_master_nodes=es01,es02,es03  # 集群有主从之分，这三个节点参与选举，产生主节点
      - 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  # 网络
  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
	ports:
      - 9201:9200  # 宿主机9200已用，这里+1
    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
	ports:
      - 9202:9200

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

networks:
  elastic:
    driver: bridge

• es运行需要修改一些linux系统权限，修改/etc/sysctl.conf文件：

vi /etc/sysctl.conf

• 添加内容：

• 生效配置：

• 通过docker-compose启动集群：

docker-compose up -d

# yum install docker-compose

kibana可以监控es集群，但新版需要依赖es的x-pack功能，配置复杂，这里用cerebro来监控es集群状态

# 官网
https://github.com/lmenezes/cerebro

# 网盘
链接：https://pan.baidu.com/s/1dj4HgTZsVfFSe6-hR2ydnA?pwd=9527 
提取码：9527

• 下载完成后解压
  

• 进入bin，双击cerebro.bat
  

• 访问localhost:9000，输入任一节点的地址（地址后面有个/）
  
  

创建索引库

集群中，每个索引库的分片数量、副本数量都是在创建索引库时指定的，并且分片数量一旦设置以后无法修改。

语法如下：

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

在cerebro中创建索引库：

填索引库名和分片数、副本数：

查看overview，实线为主分片，虚线为副本分片：

集群节点职责：

ES集群中，不同的节点有不同的职责：

以上角色的默认值都为ture，但不同的角色职责不同，对硬件的要求也不同，有的对CPU要求高，有的对硬盘要求高，因此，应该每个节点都有自己独立的角色。举个例子如下图，每个节点专门干一件事：

脑裂：

默认情况下，每个节点都是master eligible节点，因此一旦master节点宕机，其它候选节点会选举一个成为主节点。但当主节点只是与其他节点有暂时的网络通信故障时：

备选节点联系不上主节点，以为主节点宕机，选举出一个新的master，由此产生两个主节点，当网络恢复，就会出现数据不一致的情况。

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

没启动kibana，直接调接口插入三条doc：（在9201，即es01节点插入数据）

查询文档，不管在9201、9202、9203，三个节点都能查到数据：

添加explain参数来看分片情况：三条数据在不同的分片

这是协调节点工作的结果，当新增文档时，它会将数据保存到不同分片，保证数据均衡。而coordinating node确实数据存到哪个分片是根据：

• _routing默认是文档的id
• number_of_shards即分片数量，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

存储和查询都依赖这个算法，因此分片数量不能再变，否则按某个分分片数量存进去后，分片数量改变，等查的时候按这个算法计算找文档就找不到了。

新增文档流程：

当然，根据id查询，还是这么个流程。但如果不知道文档id，该怎么查，比如match_all

ES集群的分布式查询

• 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可能为其中任一个节点，就像上面match_all查询，不管访问哪个节点，最终都可以拿到三条数据。

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，即故障转移。比如有条数据，存于三个节点的主分片分别为P-0、P-1、P-2，副本为R-0、R-1、R-2，此时node1节点宕机：

当然R0+P1+P2还是可以凑出这条数据，但此时数据已经不安全，需要迁移：

实际模拟一下，此时三个节点都正常，数据存在三分节点上：

//停掉es1容器，模拟节点宕机
docker stop es01

查看集群情况：变黄了，不健康了，数据分片0有两个（主副都在），但1、2分片都只有一个了

再等等，开始了数据迁移了：

重新启动es01，查看效果：

docker start es01

分片回去了，数据还是均衡的，但es01已不再是主节点。这倒有点想Redis的哨兵模式。

总结：