ElasticSearch集群

        我们ES集群主要解决的是这两个问题：海量数据存储问题、单点故障问题

        海量数据存储问题：单机的ES，数据存储能力是有上限的

        单点故障问题：如果单机上的Elasticsearch节点发生故障，整个系统会停止服务，导致数据不可访问甚至丢失，造成损失

        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)，每一份叫做一个分片，存储到多个节点，多台机器上，这样我的存储能力是多个节点存储能力总和，机器越多，理论存储的上限就可以越高，存储能力就得到提升了：

  单点故障问题：将分片数据做一个备份，并且一个分片的主分片和副分片绝对不能放在同一个节点，避免这个节点挂了，什么都没有了 ，这样可以在一定的程度上解决单点故障问题，当然成本也越高。

部署es集群

        docker-compose：在一个文本文件里描述多个容器的部署方式，从而实现一键部署，描述了三个es节点容器的部署方案；

        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，我们现在利用三个docker容器模拟3个ed节点（3个机器）,容器之间相互隔离：

version: '2.2'
services:
  es01:
    image: docker.elastic.co/elasticsearch/elasticsearch:7.17.5
    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:7.17.5
    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:7.17.5
    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

        在这个compose的文件里，其实就是描述了我们要部署的三个es节点的部署方案，es01、es02、es03的写法基本上一致的：

•         Image镜像:每一个容器都采用的都是elasticSearch7.12.1。
•         container_name容器的名称
•         Environment:环境变量
•         node.name节点名称，在elasticSearch里边，每个节点都要有自己的名字，不能重复。
•         Cluster.name集群名称，这个就很重要了，elasticSearch天生是支持集群的，你启动多台机器以后，只需要让他们的集群名称一样就可以了。因为集群名称一样，es就会自动把它们组装成一个集群，非常的方便。
•         Discovery.seed_hosts其实就是集群中的另外两个节点的ip地址，那这里我为什么没有写i p地址呢？是因为docker容器内可以直接用容器名互联
•         initial_master_nodes：初始化的主节点/配置候选主节点，既然是集群，一定有主从之分
•         ES_JAVA_OPTS：配置JVM堆内存大小，最小内存和最大内存都配成了512M
•         Volumes：数据卷  
•         Port端口映射：注意一下三个节点容器外的端口不能一致

第一步： 

vi /etc/sysctl.conf

 第二步：

​​​​​​​vm.max_map_count = 262144

第三步： 让配置生效

sysctl -p 

[root@db301601 ~]# docker restart es
es
[root@db301601 ~]# docker ps
CONTAINER ID   IMAGE                  COMMAND                  CREATED          STATUS          PORTS                                                                                  NAMES
877298bbcfdf   elasticsearch:7.12.1   "/bin/tini -- /usr/l…"   22 minutes ago   Up 23 seconds   0.0.0.0:9200->9200/tcp, :::9200->9200/tcp, 0.0.0.0:9300->9300/tcp, :::9300->9300/tcp   es
881f28a337e6   kibana:7.12.1          "/bin/tini -- /usr/l…"   2 hours ago      Up 2 hours      0.0.0.0:5601->5601/tcp, :::5601->5601/tcp                                              kibana
[root@db301601 ~]# vi /etc/sysctl.conf
[root@db301601 ~]# sysctl -p 
vm.swappiness = 0
kernel.sysrq = 1
net.ipv4.neigh.default.gc_stale_time = 120
net.ipv4.conf.all.rp_filter = 0
net.ipv4.conf.default.rp_filter = 0
net.ipv4.conf.default.arp_announce = 2
net.ipv4.conf.lo.arp_announce = 2
net.ipv4.conf.all.arp_announce = 2
net.ipv4.tcp_max_tw_buckets = 5000
net.ipv4.tcp_syncookies = 1
net.ipv4.tcp_max_syn_backlog = 1024
net.ipv4.tcp_synack_retries = 2
net.ipv4.tcp_slow_start_after_idle = 0
vm.max_map_count = 262144
[root@db301601 ~]# 

第四步：运行

如果报错请看这篇博客： docker-compose: command not found-CSDN博客

docker-compose up -d

        我们可以用kibana去监控集群的状态，但是kibana默认只能连接到其中的一个节点，并且还依赖x-pack,所以采用cerebro：

然后你输入节点的地址，就可以访问虚拟机上任意节点的地址了：

集群下的数据查询、存储是什么样子的呢