目前用 es 做了一个全文检索服务,索引 3T 大小左右。
9 点上班有个访问高峰,其他时间访问量不高,9 点的时候,Es 服务需要支撑至少 1w 人同时访问,其他时间不超过 1000 。
在这种场景下,部署一个能同时支撑 1w 人的 Es 服务开销太大。
有没有一种解决方案,动态调整 Es 资源(类似于阿里云的 Elasticsearch serverless ,按量付费),1w 个人来就给你能支撑 1w 人访问的计算资源,1000 人来就给 1000 人的资源,这样能节省很大一笔开支。
1
Aliencn 126 天前
那就直接用阿里云 ES 的弹性伸缩不就行了嘛。
自己实现的话也是够买弹性服务器加入集群。 |
3
bronyakaka 126 天前
简单说就是 资源可以减少,但是要上缓存,缓存层支撑高并发
|
4
angeni 126 天前
搜索应该也讲二八原则,那给 80%的套上缓存可能行
|
5
oudemen 126 天前
es 部署到 k8s 中,定时弹性扩缩容?
|
6
my3157 126 天前
就用 ES 原生的 ILM 最方便, 部署用 k8s, 配置好 k8s 的 nodegroup, 每天九点之前, 扩容一批 es hot/warm 节点, 并且将 index 从 cold 节点提升上来, 完事了再降回 cold 节点, 缩掉扩容的 k8s 节点, 实现起来也不复杂
|
7
justest123 126 天前 1
感觉像是个 AB 问题。。
先确认下,这 1W 人是真的都需要访问到 ES 吗,用缓存转移走部分重复请求或者没必要的请求吧 |
8
sdoq19 126 天前
阿里云 elasticsearch serverless
|
9
fengjianche 126 天前
这种分布式存储问题都一个样,先上多级缓存,再扛不住就加机器。1w 人同时访问,也不是很多啊。
|
10
JunMemon 126 天前
ES 拆分节点类型,可以横向扩展非 data 节点,data 节点采用冷热数据部署
|
11
bootvue 126 天前
k8s hpa
|
12
hallDrawnel 126 天前
感觉像是个 XY 问题,你最终要做的可能不是扩容你的 ES 。试着从搜索分布分析一下?
|
13
zhenjiachen 126 天前
k8s hpa 或者 node hpa 应该不行把。以为他们只扩充节点,但是数据不会同步到新节点并且节点关闭了数据也丢了
|
14
shizhibuyu2023 126 天前
有悬赏平台吗,没有的话谁去开发一个,我要抢单
|
15
winglight2016 126 天前
ES 的缓存就是靠内存,你要是裸机安装就内存弹性增加,如果是 k8s 安装,那就用 HPA 弹性加内存
|
16
ss098 126 天前
部署 ElasticSearch Helm 到 Kubernetes ,声明 ElasticSearch 不同 node role 的 resources 以及 autoscaling 的配置。
https://github.com/bitnami/charts/tree/main/bitnami/elasticsearch |
17
ChoateYao 126 天前
阿里云有这种业务啊,包括 RDS 之类的数据库都有动态扩容方案
https://help.aliyun.com/zh/es/user-guide/perform-auto-scaling-for-a-cluster?spm=a2c4g.11186623.0.0.6f397de1Etkjdj |
18
wukaige OP |
19
lasuar 126 天前
你需要一个 es 专家
|
20
mightybruce 126 天前
"假设用户量 60w ,这 60w 个人在一分钟内发请求过来,平均每秒 1w 个请求,并发至少 1w 是这么来的。"
首先这个公式就是有问题, 怎么可能 60w 人都是活跃用户,并且用户量根本不能直接这样换算, 你这什么应用 就是一个 XY 问题。 |
21
Jinnrry 126 天前 via Android
不改业务代码,纯改 es 架构不太现实,你有没有想过 3T 数据扩容的时候主节点复制到从节点要多久?如果高峰瞬间过来,这时你又加节点,从节点复制数据把主节点机器大部分 io 都占了,服务瞬间 GG ,还不如不扩容
除非你能分钟级准确预估峰值时间,否则怎么定扩容策略 另外,1 万人同时访问,这也不多啊,就算缩容,每个月省几千块钱? |
22
brom111 126 天前
说起来既然都用阿里云了 有没有考虑过 Lindorm 这套东西
|
23
Coolwinds 126 天前
从 IT 的角度上来说,你假如自己做伸缩,你多出来的计算资源譬如服务器在闲时怎么办,企业一般不会允许你在一台机器上部署多个服务,除非只是测试环境节省资源
|
24
skymei 126 天前
感觉业务描述不够清晰,数据是否有冷热区分,是只有基本的全文检索服务,还是会有 agg 聚合统计,数据有没有业务状态,目前分片和副本怎么配置的,分词粒度咋样,这些都可能影响性能。
|
25
keakon 126 天前
计算挺奇怪的,60 万用户全在一分钟内访问,这是主动发起的,还是定时任务啊?
平时还能有 1000 qps ,他们是有多闲,每 10 分钟都会查询一次… 说实话你这问题靠扩容没法解决,比如 8:59 时还是 1000 qps ,假设 1 台机器刚好。9:00 突然到 1 万 qps ,立刻再起 9 台机器,启动要半分钟,同步数据几分钟,然后发现 qps 回到 1000 了,它们又可以下线了。 |
26
rrfeng 126 天前
可以搞。
8 点执行扩容计划,增加节点,增加副本,9 点前 copy 完毕上线。高峰期过了就把临时节点下线。 第二天重复即可。 核心问题是 copy 数据可能会很慢,需要考虑用某种快照方式快速复制数据。 但是我觉得还是可以从业务逻辑上解决更好。 |
27
raycj912 126 天前
可以多给点信息,不然只能给很粗方案。比如加支持 QPS 更高的组件(缓存)、要么就是弹性扩容,估计都不是你想要的
|
28
cloudzhou 126 天前
|
29
dode 126 天前
还是采用超大内存机器吧,3-6 台物理服务器,一天电费是没多少钱。
不是很了解 es 在足够内存和 CPU 情况下,是否有锁限制性能? k8s 自建 es 服务,定期,启动拉起&关闭服务。 这个 3T 数据能否拆分,提供负载均衡服务 |
30
dode 126 天前
用户搜索词都不一样,但是每个用户每天都是一样的搜索词吗,能否预先批计算?
|
31
dode 126 天前
非高峰期使用一个普通 ES 服务器,配置 SSD 应该就 OK 了,部署两套。
|
32
yuedingwangji 126 天前
每秒并发 1w , 真的可怕,这得是什么大项目
|
33
dzdh 126 天前
搜的几个 index mapping 是怎么设计的 最多请求是什么类型的
|
34
yoooooooo 125 天前
1w 的峰值,想自己搞这个弹性伸缩不太现实,想想看这个量级每天都要折腾多少节点,光是数据的迁移和从节点的拷贝要花多长时间,而且你们除了峰值其他时间的访问量比较小,那么每次需要操作的节点应该是非常多的,这个方案不现实。
|
35
yoooooooo 125 天前
可以优先从业务角度考虑优化,看有没有优化空间,既然是搜索,为什么搜索词 90%都不会重叠,这个感觉好奇怪
|
36
1018ji 125 天前
感觉不是加机器的问题,先梳理逻辑啊,看看到底啥事瓶颈
加机器解决一切问题,一个集群不够俩集群 |