运维大规模ES集群的思考和实践

Elasticsearch是一个分布式、RESTful风格的搜索和数据分析引擎。在开源搜索领域已经遥遥领先其他产品。随着近年来ES的快速发展，ES已经逐步从单一搜索引擎进化成一个全能型的数据产品。在日志监控，全文检索，数据库加速，大数据分析等很多领域得到广泛应用。

▲数据库引擎排名，数据来源：https://db-engines.com/en/ranking▲

京东智联云ES支撑了公有云，私有云和京东集团内部的大量ES集群。京东商城，京东物流，京东金融等各个业务领域都对ES服务有很大量的需求。目前已使用数十万核，上万个节点，数十万亿个文档。

如何利用云厂商的优势，高效，可靠，稳定的运维如此大规模的ES集群是我们需要思考和解决的问题。下面我将从几个维度介绍我们的思考和实践。

▲京东智联云ES产品能力▲

云厂商相较于用户自建最大的优势在于弹性。弹性给用户带来的不仅仅是方便易用，还有降低成本。京东智联云ES依托于云舰的服务编排能力，能够达到快速，灵活的部署集群，支持对集群水平扩缩，垂直变配，存储扩容等弹性能力。另外京东智联云ES还提供了云硬盘、本地盘、对象存储多种存储方式，满足不同场景下的用户需求。

另外服务编排还提供了故障自愈能力。物理机故障场景，会自动将故障机器上的es节点failover到其他节点；es节点故障场景，会自动尝试重启es节点如果仍然无法恢复则会迁移es节点到其他物理机节点。

▲京东智联云ES运维能力▲

如此大规模的集群，需要全局和指标丰富的运维监控系统，来保障系统运维的可视化。通过我们的运维经验积累，京东智联云的运维监控系统，已经能够实时的发现异常集群，并能够通过各个监控指标分析发现问题的原因。

▲京东智联云ES运维监控系统▲

ES版本特别多，由于历史原因很多旧系统很难升级，且不同用户上云对版本需求差异较大，所以需要支持很多不同的版本。目前支持的大版本有2.x，5.x，6.x，7.x。多版本的管理复用同一套编排管理系统，能够快速支持新es版本上线。

ES的特点是开箱即用，但ES可配置项非常多，对于不同的业务场景和需求，集群需要不同的调优配置，非专业用户往往很难使用的非常合理。下面列举一些常见问题：

越来越多用户开始使用云ES，但在上云过程中面临的第一个障碍是：对于用户已经有自建的ES集群或者其他云厂商的托管ES集群的情况下，如何能够将这些原集群数据迁移到京东智联云ES呢？基于此，京东智联云提供了ES迁移上云解决方案，并根据不同场景提供了在线和离线等多种迁移方案。用户可以根据自己的实际场景，选择适合自己的方案进行迁移上云。

索引生命周期管理是用户很常用的一个管理功能。按天或月周期创建索引，保留一定时间后删除过期索引，永久保留指定时间的索引（例如大促期间的索引）。ES从6.6版本在x-pack中开始支持索引生命周期管理功能的测试版本，但低版本不支持该功能。京东智联云ES将该功能拓展到所有ES版本并提供UI化设置，比通过原生kibana配置或者API配置更加简单实用。

探索智能化运维，我们的运维知识和经验产品化提供给用户，根据用户的业务场景，综合各项监控指标，给出集群的健康状况和解决建议。例如节点负载不均，分片设置不合理，堆内存占用太高，GC时间太长，filedata占比太高，集群负载较高，分片数量太大，写入或者查询线程池队列有堆积或者reject，集群的读写流量异常波动等。

自动化运维或者自治运维是终极目标，随着智能化运维能力的提高，通过监控指标数据自治系统就能够自主得出决策并执行，完全不需要人工介入。

ES的应用场景主要涉及日志检索，数据库加速，监控指标，数据分析等领域。不同的业务场景具有不同的特点，对性能的需求也不尽相同，所以需要针对不同场景有不同的优化方案。

1. 日志检索场景，并发写入量大，实时性要求不高，存储量大，数据有冷热属性。针对这种场景可以提高索引写入缓存大小来提升写入性能；增加refresh interval时间间隔来减少segment数量；将translog.durability使用HDD来降低存储成本。

2. 数据库加速场景，对于没有事务性要求，且需要检索海量数据的结构化查询场景，ES是替代关系型数据库的不错选择。京东主要应用的业务有商品，优惠券，订单，对账，物流等。此场景的特点是延迟敏感，需要高性能，高可用。

3. 监控指标，并发写入量大，时序特性，不需要高可用，数据有冷热属性。

4. 数据分析场景，数据分析维度较多，聚合查询。写入量大，查询量小，但需要聚合查询。京东主要应用的业务有订单交易分析，用户画像等。

专业的人做专业的事，托管ES产品第一步解决了用户自己搭建集群，管理集群的效率和成本问题，但用户仍然需要了解ES的原理知识，调优知识，索引配置，集群配置，分片设置等等和业务无直接关系的知识，使用好ES仍然需要很高的门槛。所以托管ES产品的第二步就是服务化，用户只需要提出业务的需求，不用再关心服务后面ES集群的参数。例如用户从自身的业务场景入手，提供写入查询性能指标的期望，另外用户只需要定义索引的mapping，不需要关心索引的settings，分片数量等配置信息。从集群的规格配置到索引的合理设置都由后台自动设置和优化。

给用户提供简单可靠的产品是我们的终极目标。所以未来我们会从两个方面提升优化我们的产品，一是从用户的角度对外呈现产品形态，通过产品服务化更贴近用户的使用习惯，降低用户使用门槛，提供更加简单且实用的使用方式。二是从运维的角度增强后台的自治运维能力，包括智能检测和修复能力，故障自愈能力，自动弹性能力，数据配置托管能力等，做到从托管产品变成托管服务。