es 冷热数据分离部署 elasticsearch冷热数据

一、冷热分离

• 按《控制Elasticsearch分片和副本的分配》来设置，将hot,stale数据分到不同的集群上去
• hot集群只保留最近一天或两天数据
• 写一个定时任务每天凌晨将前一天的索引标记为stale

PUT /index_name/_settings
{
   "index.routing.allocation.include.zone" : "stale"
}

这样旧索引数据会自动迁移到stale集群上

• 详细情况参考： 
  https://www.elastic.co/guide/en/elasticsearch/reference/2.1/modules-cluster.html 
  https://www.elastic.co/guide/en/elasticsearch/reference/2.1/cluster-reroute.html

二、读写分离

• 即使这样处理后，hot集群即使只有一两数据，但是一般象log类数据，查询的一般都是最近一两天的数据，致使hot集群负载依然很大。es有没有办法实现像mysql主从的效果，然后查询只在从机上查询？有没有办法让副本分布在某些特定节点上，然后查询只查询这些节点？
• 按《elasticsearch高级配置之分片分布规则设置》中（强制分布规则）来设置，迫使不允许副本被分配到与主分片相同的区域，比如：让副本数据分布到stale集群上。
• 上面的规则有时并不能完全的控制复本一定在某个集群上，它只能尽量保证主分片和副本不在一个集群上，这个时候同样也可以起个定时任务，手动的将副本reroute到集群节点上

POST /_cluster/reroute
{
    "commands" : [ {
        "move" :
            {
              "index" : "test", "shard" : 0, "from_node" : "node1", "to_node" : "node2" } }, { "allocate" : { "index" : "test", "shard" : 1, "node" : "node3" } } ] }

• 详细情况参考： 
• https://www.elastic.co/guide/en/elasticsearch/reference/2.1/modules-cluster.html 
  https://www.elastic.co/guide/en/elasticsearch/reference/2.1/cluster-reroute.html

三、查询选项

• 上面两种方法将冷热，读写数据都分布到了不同的集群上，下面看看如何在指定查询参数，只查询stale集群节点上的数据。

POST /_search?preference=_only_nodes:zone:stale
{
    "query": {
        "match": {
            "title": "elasticsearch"
        }
    }
}

• https://www.elastic.co/guide/en/elasticsearch/reference/1.7/search-request-preference.html?q=preference

四、总结

1. 已经不再indexing的索引，通过require.zone的方式迁移到stale集群上，完成冷热分离；
2. 还在indexing的索引，通过reroute将replica shard强制allocate到stale集群上；
3. search的时候，通过?preference=_replica或者?preference=_only_nodes:xxx的方式指定读取哪些。
4. 但是需要注意一点的是：因为es的replica也是一个实际需要cpu和io的indexing过程，而且indexing本身也有要求要写够一定副本数来才算写入完成。所以，你即使只请求replica，也是有可能影响到写入的。
   所以，你只能开启一个副本——写入副本数要求是从二个副本开始才有。