在某些大规模数据分析场景（比如时间数据分析），可以采用此架构：基于时间创建 index，然后持续地把温/冷数据迁移到相应的数据节点。详情可参考官方博客 “Hot-Warm” Architecture in Elasticsearch 5.x。

节点介绍

hot-warm-cold-arch

  • 专有主节点：由于不保存数据，也就不参与索引和查询操作，不会被长 GC 干扰，负载可以保持在较低水平，能极大提高集群的稳定性。

  • 热数据节点：保存近期的 index，承担最频繁的写入和查询操作，可以配置较高的资源，如超高性能主机及硬盘。可以在集群配置参数里 Elasticsearch 节点的参数 node.attr.data（热）做修改，默认为 hot。

  • 温/冷数据节点：保存只读 index，会接收少量的查询请求，可以配置较低的资源。可以在集群配置参数里 Elasticsearch 节点的参数 node.attr.data（温）和 node.attr.data（冷）做修改，默认为 warm 和 cold。

节点配置

hot-warm-cold-conf

创建好的集群如下图所示。

hot-warm-cold-nodes

如下图所示，假设有三个 index，分别代表热、温、冷 index 数据，它们最初都处于热数据节点上：

hot-warm-cold-indices

可以使用如下命令迁移温数据（名为 last-month 的 index，可根据实际情况选择相应的 index）到相应节点上。

PUT /last-month/_settings
{
  "index.routing.allocation.require.data": "warm"
}

使用如下命令迁移冷数据（名为 last-year 的 index，可根据实际情况选择相应的 index）：

PUT /last-year/_settings
{
  "index.routing.allocation.require.data": "cold"
}

下面的动态截屏展示了通过 Kibana 的 Dev Tools 进行温/冷数据迁移的过程：

hot-warm-cold