共计 5822 个字符，预计需要花费 15 分钟才能阅读完成。
本文将使用 Docker 快速部署 Elasticsearch 集群，使用容器管理实例。
最新的 6.x 版本似乎不能通过 -Epath.config 参数去指定特定的配置文件位置，文档说明：
For the archive distributions, the config directory location defaults to $ES_HOME/config. The location of the >config directory can be changed via the ES_PATH_CONF environment variable as follows:ES_PATH_CONF=/path/to/my/config ./bin/elasticsearchAlternatively, you can export the ES_PATH_CONF environment variable via the command line or via your shell profile.
即交给环境变量 ES_PATH_CONF 决定加载路径了（官方文档），单机多实例且不使用容器的同学多多注意。
准备工作
安装 docker & docker-compose
这里推进使用 daocloud 做个加速安装：
#docker
curl -sSL https://get.daocloud.io/docker | sh
#docker-compose
curl -L \
https://get.daocloud.io/docker/compose/releases/download/1.23.2/docker-compose-`uname -s`-`uname -m` \
> /usr/local/bin/docker-compose
chmod +x /usr/local/bin/docker-compose
# 查看安装结果
docker-compose -v
数据目录
#创建数据 / 日志目录 这里我们部署 3 个节点
mkdir /opt/elasticsearch/data/{node0,nod1,node2} -p
mkdir /opt/elasticsearch/logs/{node0,nod1,node2} -p
cd /opt/elasticsearch
#权限我也很懵逼啦 给了 privileged 也不行 索性 0777 好了
chmod 0777 data/* -R && chmod 0777 logs/* -R
# 防止 JVM 报错
echo vm.max_map_count=262144 >> /etc/sysctl.conf
sysctl -p
docker-compse 编排服务
创建编排文件
vim docker-compose.yml
参数说明
– cluster.name=elasticsearch-cluster 集群名称
– node.name=node0- node.master=true- node.data=true 节点名称、是否可作为主节点、是否存储数据
– bootstrap.memory_lock=true 锁定进程的物理内存地址避免交换（swapped）来提高性能
– http.cors.enabled=true- http.cors.allow-origin=* 开启 cors 以便使用 Head 插件
– “ES_JAVA_OPTS=-Xms512m -Xmx512m”JVM 内存大小配置
– “discovery.zen.ping.unicast.hosts=elasticsearch_n0,elasticsearch_n1,elasticsearch_n2”- “discovery.zen.minimum_master_nodes=2″ 由于 5.2.1 后的版本是不支持多播的，所以需要手动指定集群各节点的 tcp 数据交互地址，用于集群的节点发现和 failover，默认缺省 9300 端口，如设定了其它端口需另行指定，这里我们直接借助容器通信，也可以将各节点的 9300 映射至宿主机，通过网络端口通信。设定 failover 选取的 quorum = nodes/2 + 1
当然，你也可以挂在配置文件，ES 镜像的配置文件是 /usr/share/elasticsearch/config/elasticsearch.yml:
volumes:
– path/to/local/elasticsearch.yml:/usr/share/elasticsearch/config/elasticsearch.yml:ro
docker-compose.yml
version: ‘3’
services:
elasticsearch_n0:
image: elasticsearch:6.6.2
container_name: elasticsearch_n0
privileged: true
environment:
– cluster.name=elasticsearch-cluster
– node.name=node0
– node.master=true
– node.data=true
– bootstrap.memory_lock=true
– http.cors.enabled=true
– http.cors.allow-origin=*
– “ES_JAVA_OPTS=-Xms512m -Xmx512m”
– “discovery.zen.ping.unicast.hosts=elasticsearch_n0,elasticsearch_n1,elasticsearch_n2”
– “discovery.zen.minimum_master_nodes=2”
ulimits:
memlock:
soft: -1
hard: -1
volumes:
– ./data/node0:/usr/share/elasticsearch/data
– ./logs/node0:/usr/share/elasticsearch/logs
ports:
– 9200:9200
elasticsearch_n1:
image: elasticsearch:6.6.2
container_name: elasticsearch_n1
privileged: true
environment:
– cluster.name=elasticsearch-cluster
– node.name=node1
– node.master=true
– node.data=true
– bootstrap.memory_lock=true
– http.cors.enabled=true
– http.cors.allow-origin=*
– “ES_JAVA_OPTS=-Xms512m -Xmx512m”
– “discovery.zen.ping.unicast.hosts=elasticsearch_n0,elasticsearch_n1,elasticsearch_n2”
– “discovery.zen.minimum_master_nodes=2”
ulimits:
memlock:
soft: -1
hard: -1
volumes:
– ./data/node1:/usr/share/elasticsearch/data
– ./logs/node1:/usr/share/elasticsearch/logs
ports:
– 9201:9200
elasticsearch_n2:
image: elasticsearch:6.6.2
container_name: elasticsearch_n2
privileged: true
environment:
– cluster.name=elasticsearch-cluster
– node.name=node2
– node.master=true
– node.data=true
– bootstrap.memory_lock=true
– http.cors.enabled=true
– http.cors.allow-origin=*
– “ES_JAVA_OPTS=-Xms512m -Xmx512m”
– “discovery.zen.ping.unicast.hosts=elasticsearch_n0,elasticsearch_n1,elasticsearch_n2”
– “discovery.zen.minimum_master_nodes=2”
ulimits:
memlock:
soft: -1
hard: -1
volumes:
– ./data/node2:/usr/share/elasticsearch/data
– ./logs/node2:/usr/share/elasticsearch/logs
ports:
– 9202:9200
这里我们分别为 node0/node1/node2 开放宿主机的 9200/9201/9202 作为 http 服务端口，各实例的 tcp 数据传输用默认的 9300 通过容器管理通信。
如果需要多机部署，则将 ES 的 transport.tcp.port: 9300 端口映射至宿主机 xxxx 端口，discovery.zen.ping.unicast.hosts 填写各主机代理的地址即可：
#比如其中一台宿主机为 192.168.1.100
…
– “discovery.zen.ping.unicast.hosts=192.168.1.100:9300,192.168.1.101:9300,192.168.1.102:9300”
…
ports:
…
– 9300:9300
创建并启动服务
[root@localhost elasticsearch]# docker-compose up -d
[root@localhost elasticsearch]# docker-compose ps
Name Command State Ports
——————————————————————————————–
elasticsearch_n0 /usr/local/bin/docker-entr … Up 0.0.0.0:9200->9200/tcp, 9300/tcp
elasticsearch_n1 /usr/local/bin/docker-entr … Up 0.0.0.0:9201->9200/tcp, 9300/tcp
elasticsearch_n2 /usr/local/bin/docker-entr … Up 0.0.0.0:9202->9200/tcp, 9300/tcp
# 启动失败查看错误
[root@localhost elasticsearch]# docker-compose logs
#最多是一些访问权限 /JVM vm.max_map_count 的设置问题
查看集群状态
192.168.20.6 是我的服务器地址
访问 http://192.168.20.6:9200/_cat/nodes?v 即可查看集群状态：
ip heap.percent ram.percent cpu load_1m load_5m load_15m node.role master name
172.25.0.3 36 98 79 3.43 0.88 0.54 mdi * node0
172.25.0.2 48 98 79 3.43 0.88 0.54 mdi – node2
172.25.0.4 42 98 51 3.43 0.88 0.54 mdi – node1
验证 Failover
通过集群接口查看状态
模拟主节点下线，集群开始选举新的主节点，并对数据进行迁移，重新分片。
[root@localhost elasticsearch]# docker-compose stop elasticsearch_n0
Stopping elasticsearch_n0 … done
集群状态 (注意换个 http 端口 原主节点下线了)，down 掉的节点还在集群中，等待一段时间仍未恢复后就会被剔出
ip heap.percent ram.percent cpu load_1m load_5m load_15m node.role master name
172.25.0.2 57 84 5 0.46 0.65 0.50 mdi – node2
172.25.0.4 49 84 5 0.46 0.65 0.50 mdi * node1
172.25.0.3 mdi – node0
等待一段时间
ip heap.percent ram.percent cpu load_1m load_5m load_15m node.role master name
172.25.0.2 44 84 1 0.10 0.33 0.40 mdi – node2
172.25.0.4 34 84 1 0.10 0.33 0.40 mdi * node1
恢复节点 node0
[root@localhost elasticsearch]# docker-compose start elasticsearch_n0
Starting elasticsearch_n0 … done
等待一段时间
ip heap.percent ram.percent cpu load_1m load_5m load_15m node.role master name
172.25.0.2 52 98 25 0.67 0.43 0.43 mdi – node2
172.25.0.4 43 98 25 0.67 0.43 0.43 mdi * node1
172.25.0.3 40 98 46 0.67 0.43 0.43 mdi – node0
配合 Head 插件观察
集群状态图示更容易看出数据自动迁移的过程
1、集群正常 数据安全分布在 3 个节点上
2、下线 node1 主节点 集群开始迁移数据
迁移中
迁移完成
3、恢复 node1 节点
问题小记
elasticsearch watermark 部署完后创建索引发现有些分片处于 Unsigned 状态，是由于 elasticsearch watermark：low,high,flood_stage 的限定造成的，默认硬盘使用率高于 85% 就会告警，开发嘛，手动关掉好了，数据会分片到各节点，生产自行决断。
curl -X PUT http://192.168.20.6:9201/_cluster/settings \
-H ‘Content-type’:’application/json’ \
-d ‘{“transient”:{“cluster.routing.allocation.disk.threshold_enabled”: false}}’
完
