ElasticSearch+Kibana on K8s 讲解与实战操作（版本7.17.3）-51CTO.COM

一、概述

在 Kubernetes（K8s）上运行 Elasticsearch 是一种在容器化环境中部署和管理 Elasticsearch 集群的常见方法。Elasticsearch 是一款流行的分布式搜索和分析引擎，而 Kubernetes 则提供了一个出色的平台，用于编排容器并管理 Elasticsearch 的可伸缩性和容错性。

以下是在 Kubernetes 上部署 Elasticsearch 的一般步骤：

安装 Kubernetes 集群：确保你已经运行起了 Kubernetes 集群。你可以使用托管的 Kubernetes 服务，如 Google Kubernetes Engine（GKE）、Amazon Elastic Kubernetes Service（EKS），或者使用工具如 Minikube、kubeadm 或 kops 自行部署一个集群。
存储：Elasticsearch 需要持久化存储来存储其数据。你可以使用 Kubernetes 的持久卷（PVs）和持久卷声明（PVCs）来为 Elasticsearch 数据分配存储。确保选择适合你需求的存储解决方案，如 hostPath、本地存储或网络附加存储（NAS）。
Elasticsearch YAML 配置：创建一个 YAML 配置文件，用于定义你的 Elasticsearch 集群。此文件应包括 Elasticsearch Pod、Service、ConfigMap 和任何所需的环境变量的规范。你可以使用官方的 Elasticsearch Helm 图表或编写自定义的 Kubernetes YAML 文件。
Pod 反亲和性：为了确保高可用性，配置反亲和性规则以防止多个 Elasticsearch Pod 在同一节点上运行。这有助于在不同节点上分布 Elasticsearch Pod 以提高容错性。
服务发现：使用 Kubernetes Service 来在内部或外部暴露你的 Elasticsearch 集群，具体取决于你的需求。外部访问通常涉及创建 LoadBalancer 或 NodePort 服务，而内部访问可能使用 ClusterIP 服务。
密钥管理：使用 Kubernetes Secrets 来安全存储诸如密码和身份验证令牌等敏感信息。Elasticsearch 需要安全设置来控制访问。
监控和日志记录：实施监控和日志记录解决方案，如 Prometheus、Grafana 和 Elasticsearch 自身的监控功能，以跟踪集群的健康和性能。
扩展和更新：Kubernetes 可以相对容易地通过添加或删除节点来水平扩展 Elasticsearch 集群。在更新 Elasticsearch 版本或配置时，请确保有适当的升级策略，以最小化中断。
备份和灾难恢复：建立备份和灾难恢复程序，以保护数据和集群的完整性。
安全和访问控制：实施适当的安全措施，包括身份验证、授权和网络策略，以保护你的 Elasticsearch 集群。
测试：在 Kubernetes 上彻底测试你的 Elasticsearch 部署，以确保它在不同工作负载下表现如预期。
文档：为将来的参考和你的团队的利益，记录你的设置、配置和部署过程。

虽然这些步骤提供了在 Kubernetes 上部署 Elasticsearch 的高层次概述，但具体的步骤可能会根据你的用例和环境而有所不同。考虑使用 Kubernetes Operators、Helm 图表或其他工具来简化在 Kubernetes 中部署和管理 Elasticsearch 集群的过程。此外，请参考 Elasticsearch 和 Kubernetes 文档，获取详细的说明和最佳实践。

二、ElasticSearch 节点类型与作用

Elasticsearch 节点类型和配置在集群的设计和性能优化中起着关键作用。以下是一些常见的 Elasticsearch 节点类型以及它们的配置示例：

主节点 (Master Nodes)：

作用：主节点用于管理集群状态、索引创建和分片分配。它们不负责数据存储或搜索查询。

配置示例：

node.master: true
node.data: false

数据节点 (Data Nodes)：

作用：数据节点存储索引数据并执行搜索查询。

配置示例：

node.master: false
node.data: true

协调节点 (Coordinator Nodes)：

作用：协调节点用于接收客户端请求，并将其路由到数据节点。配置示例：

node.master: false
node.data: false

仲裁节点 (Arbitrator Nodes)：

作用：仲裁节点不存储数据，但可以参与主节点选举。配置示例：

node.master: true
node.data: false

Ingest 节点：

作用：Ingest 节点用于文档的预处理和转换。配置示例：

node.master: false
node.data: false
node.ingest: true

Machine Learning 节点：

作用：Machine Learning 节点用于运行 Elasticsearch 的机器学习任务。配置示例：

node.ml: true

Transform 节点：

作用：Transform 节点用于执行数据转换操作，将结果存储在新的索引中。配置示例：

node.transform: true

Remote 节点：

作用：Remote 节点用于转发请求到远程 Elasticsearch 集群。配置示例：

node.remote_cluster_client: true

Hot-Warm-Cold 节点：

作用：Hot 节点用于接收实时数据，Warm 节点用于冷热数据分离，Cold 节点用于长期存储。配置示例：

node.attr.hot: true
node.attr.warm: true
node.attr.cold: true

请注意，上述示例是典型的节点类型和配置示例。在实际的集群配置中，可以根据需求和性能要求进行更详细的调整。配置文件通常是 Elasticsearch 的 elasticsearch.yml，你可以在每个节点上的该文件中设置节点类型和其他相关配置。根据需要，你可以将不同的节点类型配置在不同的节点上，以构建具有适当角色的 Elasticsearch 集群。同时，还可以使用其他设置来调整内存、存储、网络和性能参数，以满足特定的用例需求。

三、K8s 集群部署

k8s 环境安装之前写过很多文档，可以参考我以下几篇文章：

【云原生】k8s 离线部署讲解和实战操作
【云原生】k8s 环境快速部署（一小时以内部署完）

四、ElasticSearch on K8s 开始部署

1）下载安装包

地址：https://artifacthub.io/packages/helm/elastic/elasticsearch

# 添加数据源
helm repo add elastic https://helm.elastic.co

# 下载
helm pull elastic/elasticsearch --version 7.17.3

# 解压
tar -xf elasticsearch-7.17.3.tgz

2）构建镜像

Elasticsearch 各版本下载地址：https://www.elastic.co/cn/downloads/past-releases#elasticsearch

这里就不重新构建镜像了，有不知道怎么构建镜像的小伙伴可以给我留言或私信，这里是将远程的镜像推送到我们本地harbor，加速拉取镜像。

docker pull docker.elastic.co/elasticsearch/elasticsearch:7.17.3
docker tag docker.elastic.co/elasticsearch/elasticsearch:7.17.3  registry.cn-hangzhou.aliyuncs.com/bigdata_cloudnative/elasticsearch:7.17.3

# 上传镜像到阿里云镜像仓库
docker push registry.cn-hangzhou.aliyuncs.com/bigdata_cloudnative/elasticsearch:7.17.3

3）修改yaml编排

这里只显示修改部分，在最后会提供修改后的git下载地址。

elasticsearch/values.yaml

image: "registry.cn-hangzhou.aliyuncs.com/bigdata_cloudnative/elasticsearch"

### 去掉这几行
volumeClaimTemplate:
  accessModes: ["ReadWriteOnce"]
  resources:
    requests:
      storage: 30Gi

persistence:
  enabled: true
  labels:
    # Add default labels for the volumeClaimTemplate of the StatefulSet
    enabled: false
  annotations: {}
  accessModes:
    - ReadWriteOnce
  size: 1Gi
  storageClass: "elasticsearch-local-storage"
  local:
  - name: elasticsearch-0
    host: "local-168-182-110"
    path: "/opt/bigdata/servers/elasticsearch/data/data1"
  - name: elasticsearch-1
    host: "local-168-182-111"
    path: "/opt/bigdata/servers/elasticsearch/data/data1"
  - name: elasticsearch-2
    host: "local-168-182-112"
    path: "/opt/bigdata/servers/elasticsearch/data/data1"

protocol: http
httpPort: 9200
transportPort: 9300
service:
  enabled: true
  type: NodePort
  nodePort: 30920
  httpPortName: http

elasticsearch/templates/storage-class.yaml

kind: StorageClass
apiVersion: storage.k8s.io/v1
metadata:
  name: {{ .Values.persistence.storageClass }}
provisioner: kubernetes.io/no-provisioner

elasticsearch/templates/pv.yaml

{{- range .Values.persistence.local }}
---
apiVersion: v1
kind: PersistentVolume
metadata:
  name: {{ .name }}
  labels:
    name: {{ .name }}
spec:
  storageClassName: {{ $.Values.persistence.storageClass }}
  capacity:
    storage: {{ $.Values.persistence.size }}
  accessModes:
  {{- range $.Values.persistence.accessModes }}
    - {{ . | quote }}
  {{- end }}
  local:
    path: {{ .path }}
  nodeAffinity:
    required:
      nodeSelectorTerms:
        - matchExpressions:
            - key: kubernetes.io/hostname
              operator: In
              values:
                - {{ .host }}
---
{{- end }}

elasticsearch/templates/statefulset.yaml

spec:
  volumeClaimTemplates:
    spec:
# 去掉这行
{{ toYaml .Values.volumeClaimTemplate | indent 6 }}

# 新增以下内容：
      accessModes:
      {{- range .Values.persistence.accessModes }}
      - {{ . | quote }}
      {{- end }}
      resources:
        requests:
          storage: {{ .Values.persistence.size | quote }}
    {{- if .Values.persistence.storageClass }}
    {{- if (eq "-" .Values.persistence.storageClass) }}
      storageClassName: ""
    {{- else }}
      storageClassName: "{{ .Values.persistence.storageClass }}"
    {{- end }}
    {{- end }}

4）开始部署

# 如果没有挂载目录，则需要提前创建，也可自己更换挂载目录
# 先创建本地存储目录
mkdir -p /opt/bigdata/servers/elasticsearch/data/data1
chmod -R 777 /opt/bigdata/servers/elasticsearch/data/data1

helm install my-elasticsearch ./elasticsearch -n elasticsearch --create-namespace
# 查看
helm get notes my-elasticsearch -n elasticsearch
kubectl get pods,svc -n elasticsearch -owide

# 查看日志
kubectl logs -f elasticsearch-master-0 -n elasticsearch

notes，可以获取用户密码

NAME: my-elasticsearch
LAST DEPLOYED: Sat Sep  9 22:01:15 2023
NAMESPACE: elasticsearch
STATUS: deployed
REVISION: 1
NOTES:
1. Watch all cluster members come up.
  $ kubectl get pods --namespace=elasticsearch -l app=elasticsearch-master -w
2. Retrieve elastic user's password.
  $ kubectl get secrets --namespace=elasticsearch elasticsearch-master-credentials -ojsnotallow='{.data.password}' | base64 -d
3. Test cluster health using Helm test.
  $ helm --namespace=elasticsearch test my-elasticsearch

5）测试

账号：elastic密码获取：

kubectl get secrets --namespace=elasticsearch elasticsearch-master-credentials -ojsnotallow='{.data.password}' | base64 -d

curl 访问：

curl http://192.168.182.110:30920/
curl http://192.168.182.110:30920/_cat/nodes
curl http://192.168.182.110:30920/_cat/health?pretty

图片

6）elasticsearch-head

elasticsearch-head GitHub下载地址：https://github.com/mobz/elasticsearch-headGoogle 浏览器 elasticsearch-head 插件：

链接：https://pan.baidu.com/s/1kYcTjBDPmSWVzsku2hEW7w?pwd=67v4提取码：67v4

7）卸载

helm uninstall my-elasticsearch -n elasticsearch

# 删除数据
rm -fr /opt/bigdata/servers/elasticsearch/data/data1/*

五、Kibana 编排部署

地址：https://artifacthub.io/packages/helm/bitnami/kibana?modal=install

1）下载安装包

helm repo add bitnami https://charts.bitnami.com/bitnami
helm pull bitnami/kibana --version 10.2.6
tar -xf kibana-10.2.6.tgz

2）构建镜像

这里也不重新构建镜像了，只是将镜像推送到本地harbor加速，对构建镜像不清楚的可以留言或私信。Kibana 和 Elasticsearch 需保证所用版本互相兼容，版本兼容性：https://www.elastic.co/cn/support/matrix#matrix_compatibility

图片

docker pull docker.io/bitnami/kibana:7.17.3
docker tag docker.io/bitnami/kibana:7.17.3 registry.cn-hangzhou.aliyuncs.com/bigdata_cloudnative/kibana:7.17.3

# 上传镜像
docker push registry.cn-hangzhou.aliyuncs.com/bigdata_cloudnative/kibana:7.17.3

3）修改yaml编排

kibana/values.yaml

image:
  registry: registry.cn-hangzhou.aliyuncs.com/bigdata_cloudnative
  repository: kibana
  tag: 7.17.3

replicaCount: 1

persistence:
  enabled: true
  accessModes:
    - ReadWriteOnce
  size: 10Gi
  storageClass: "kibana-local-storage"
  local:
  - name: kibana-0
    host: "local-168-182-111"
    path: "/opt/bigdata/servers/kibana/data/data1"

service:
  ports:
    http: 5601
  type: NodePort
  nodePorts:
    http: "30601"

elasticsearch:
  hosts:
    - elasticsearch-master.elasticsearch
  port: "9200"

kibana/templates/values.yaml

{{- range .Values.persistence.local }}
---
apiVersion: v1
kind: PersistentVolume
metadata:
  name: {{ .name }}
  labels:
    name: {{ .name }}
spec:
  storageClassName: {{ $.Values.persistence.storageClass }}
  capacity:
    storage: {{ $.Values.persistence.size }}
  accessModes:
  {{- range $.Values.persistence.accessModes }}
    - {{ . | quote }}
  {{- end }}
  local:
    path: {{ .path }}
  nodeAffinity:
    required:
      nodeSelectorTerms:
        - matchExpressions:
            - key: kubernetes.io/hostname
              operator: In
              values:
                - {{ .host }}
---
{{- end }}

kibana/templates/storage-class.yaml

kind: StorageClass
apiVersion: storage.k8s.io/v1
metadata:
  name: {{ .Values.persistence.storageClass }}
provisioner: kubernetes.io/no-provisioner

4）开始部署

# 先创建本地存储目录
mkdir -p /opt/bigdata/servers/kibana/data/data1
chmod -R 777 /opt/bigdata/servers/kibana/data/data1

helm install my-kibana ./kibana -n kibana --create-namespace
# 查看
helm get notes my-kibana -n kibana 
kubectl get pods,svc -n kibana -owide

5）测试验证

kibana web 地址：http://192.168.182.110:30601/

图片

6）卸载

helm uninstall my-kibana -n kibana
kubectl delete ns kibana --force
ssh local-168-182-111 rm -fr /opt/bigdata/servers/kibana/data/data1/*

六、Elasticsearch7 常见API示例讲解

1）ES7 集群状态信息 API

要查看 Elasticsearch 7 集群的状态和信息，您可以使用以下 API 操作：

1、获取集群健康状态

使用 GET 请求来获取集群的健康状态。以下是一个示例：

GET /_cluster/health

这个请求将返回有关集群健康状态的信息，包括集群名称、状态（例如：green、yellow、red）、节点数量、分片数量、副本数量等。

2、获取节点信息

使用 GET 请求来获取有关集群中节点的信息。以下是一个示例：

GET /_cat/nodes?v

这个请求将返回节点的详细信息，包括节点的名称、IP 地址、节点角色（主节点、数据节点、协调节点等）等。

3、获取索引信息

使用 GET 请求来获取有关集群中索引的信息。以下是一个示例：

GET /_cat/indices?v

这个请求将返回索引的详细信息，包括索引的名称、状态、文档数量、分片数量、副本数量等。

4、获取集群设置信息

使用 GET 请求来获取集群的设置信息。以下是一个示例：

GET /_cluster/settings

这个请求将返回有关集群设置的信息，包括索引的分片和副本配置、分配策略等。

5、获取节点统计信息

使用 GET 请求来获取集群中节点的统计信息。以下是一个示例：

GET /_nodes/stats

这个请求将返回有关节点的各种统计信息，包括内存使用、CPU 使用、磁盘使用等。

2）POST 与 PUT 请求方式的区别

在 Elasticsearch 7 中，POST 和 PUT 请求的区别涉及到文档的创建和更新。以下是它们之间的主要区别：

1、POST 请求

POST 请求用于创建新文档或将新文档添加到索引中。
当使用 POST 请求创建文档时，Elasticsearch 会自动生成文档的唯一 ID。
如果在索引中已经存在具有指定 ID 的文档，POST 请求会失败，不会覆盖已存在的文档。
POST 请求的常见用途包括将新文档添加到索引中，而不必指定文档的 ID。

示例使用 POST 请求创建文档：

POST /my_index/_doc
{
  "name": "John Doe",
  "age": 30
}

2、PUT 请求

PUT 请求用于创建新文档或更新现有文档。
当使用 PUT 请求创建文档时，需要明确指定文档的唯一 ID。如果具有相同 ID 的文档已存在，则 PUT 请求将覆盖该文档。
PUT 请求的常见用途包括显式地创建文档并指定其 ID，以及更新现有文档的内容。

示例使用 PUT 请求创建或更新文档：

PUT /my_index/_doc/1
{
  "name": "Jane Smith",
  "age": 35
}

总结：

使用 POST 请求时，Elasticsearch 将为您生成文档的 ID（如果未指定）并将文档添加到索引中。
使用 PUT 请求时，您需要明确指定文档的 ID，并且可以用它来创建新文档或覆盖现有文档。
在某些情况下，根据需要选择 POST 或 PUT 请求来执行创建和更新操作。

3）ES7 增删改查 API

在 Elasticsearch 7 中，您可以使用 RESTful API 执行索引数据（文档）的增删改查操作。以下是一些常见的 Elasticsearch 操作示例及其讲解：

1、添加文档（Indexing）

要将文档添加到 Elasticsearch 索引中，可以使用 POST 或 PUT 请求。以下是一个示例：

POST /my_index/_doc/1
{
  "name": "John Doe",
  "age": 30
}

这个示例使用 POST 请求将一个文档添加到名为 my_index 的索引中。文档的 ID 设置为 1。如果您使用 PUT 请求，也可以指定文档的 ID。

2、获取文档（Retrieving）

要按 ID 获取文档，可以使用 GET 请求。以下是一个示例：

GET /my_index/_doc/1

这个示例使用 GET 请求按文档 ID 1 从索引 my_index 中获取文档。

3、更新文档（Updating）

要更新现有文档，可以使用 POST 或 PUT 请求。以下是一个示例：

POST /my_index/_doc/1/_update
{
  "doc": {
    "age": 31
  }
}

这个示例使用 POST 请求来更新文档 ID 1 中的 age 字段的值为 31。

4、删除文档（Deleting）

要删除文档，可以使用 DELETE 请求。以下是一个示例：

DELETE /my_index/_doc/1

4）ES7 模板 API

Elasticsearch 7 中引入了索引模板（Index Templates） API，允许您定义模板来自动应用于新索引的设置、映射和别名。这对于确保索引的一致性和管理大规模的数据非常有用。以下是 Elasticsearch 7 中索引模板 API 的一些示例和解释：

1、创建索引模板（Put Index Template）

使用 PUT 请求创建索引模板，指定模板的名称和设置。以下是一个示例：

PUT /_index_template/my_template
{
  "index_patterns": ["logs-*"],
  "template": {
    "settings": {
      "number_of_shards": 3,
      "number_of_replicas": 2
    },
    "mappings": {
      "properties": {
        "timestamp": {
          "type": "date"
        },
        "message": {
          "type": "text"
        }
      }
    }
  }
}

上述示例创建了一个名为 my_template 的索引模板，该模板将自动应用于匹配 logs-* 模式的所有索引。
模板定义了索引的设置（分片数量和副本数量）和映射（字段类型和属性）。

2、获取索引模板（Get Index Template）

使用 GET 请求获取特定索引模板的信息。以下是一个示例：

GET /_index_template/my_template

这个请求将返回名为 my_template 的索引模板的详细信息。

3、列出所有索引模板（List All Index Templates）

使用 GET 请求列出所有已定义的索引模板。以下是一个示例：

GET /_index_template

4、删除索引模板（Delete Index Template）

使用 DELETE 请求删除特定索引模板。以下是一个示例：

DELETE /_index_template/my_template

5）ES7 冷热数据设置

Elasticsearch 提供了数据热（hot）和冷（cold）阶段的设置，以帮助优化数据存储和查询性能，特别是对于大规模的时间序列数据（如日志、度量和事件数据）非常有用。以下是设置冷热数据的一般步骤和一些配置选项：

1、创建索引模板（Index Template）

首先，您可以创建一个索引模板，以定义新索引的设置和分配策略，以及索引在不同阶段之间的迁移策略。在模板中，您可以指定哪些条件应将索引划分为热、温和冷（或其他阶段），并定义相应的设置。

以下是一个示例索引模板，定义了热、温和冷阶段的索引分配策略：

PUT /_index_template/logs_template
{
  "index_patterns": ["logs-*"],
  "template": {
    "settings": {
      "number_of_shards": 3,
      "number_of_replicas": 1,
      "index.lifecycle.name": "logs_policy",
      "index.lifecycle.rollover_alias": "logs-alias",
      "index.routing.allocation.require.box_type": "hot"
    },
    "mappings": {
      "properties": {
        "timestamp": {
          "type": "date"
        },
        "message": {
          "type": "text"
        }
      }
    }
  }
}

上述示例创建了一个名为 logs_template 的索引模板，该模板将自动应用于匹配 logs-* 模式的所有索引。
模板定义了索引的设置，包括分片数量、副本数量、生命周期策略、别名以及索引的映射。

2、创建生命周期策略（Lifecycle Policy）

接下来，创建一个生命周期策略，以定义索引在不同阶段之间的迁移条件和操作。

PUT /_ilm/policy/logs_policy
{
  "policy": {
    "phases": {
      "hot": {
        "min_age": "0ms",
        "actions": {
          "rollover": {
            "max_size": "50GB",
            "max_age": "30d"
          }
        }
      },
      "warm": {
        "min_age": "30d",
        "actions": {
          "forcemerge": {
            "max_num_segments": 1
          }
        }
      },
      "cold": {
        "min_age": "90d",
        "actions": {
          "freeze": {},
          "read_only": {}
        }
      },
      "delete": {
        "min_age": "365d",
        "actions": {
          "delete": {}
        }
      }
    }
  }
}

上述示例创建了一个名为 logs_policy 的生命周期策略，定义了四个不同的生命周期阶段：热、温、冷和删除。
每个阶段都有不同的迁移条件和操作，例如，热阶段在索引大小达到50GB或存在30天后执行滚动操作。

3、创建索引并将其分配到不同的节点：

现在，当您创建新的日志索引时，它将自动应用索引模板和生命周期策略，以及分配到热节点。

4、自动数据迁移：

一旦索引和生命周期策略配置完成，Elasticsearch 将自动执行索引的迁移操作。数据将根据生命周期策略从一个阶段迁移到另一个阶段，以优化性能和降低存储成本。

这个设置允许您根据数据的访问模式和重要性来优化 Elasticsearch 集群的性能和成本效益。新的日志数据将从热存储阶段自动迁移到温存储和冷存储阶段，从而使热节点保持高性能，同时降低了冷数据的存储成本。

6）ES7 数据平衡 API

虽然不推荐手动分片迁移，但您可以使用以下 API 将分片从一个节点迁移到另一个节点：

POST /_cluster/reroute
{
  "commands": [
    {
      "move": {
        "index": "your_index",
        "shard": 0,
        "from_node": "source_node",
        "to_node": "destination_node"
      }
    }
  ]
}

这个操作需要非常小心，因为错误的分片移动可能会导致数据丢失或集群不稳定。因此，只有在非常特殊的情况下才应该手动干预分片分配。

7）ES7 禁用数据平衡 API

在 Elasticsearch 7 中，默认情况下，数据平衡是自动启用的，它确保数据均匀分布在集群的各个节点和分片之间。然而，有时您可能需要禁用数据平衡，尤其是在特定情况下，例如集群维护期间或者出现异常情况时。以下是禁用数据平衡的方法：

1、设置节点属性

Elasticsearch 允许您为节点设置属性（node attributes）。您可以通过设置节点的属性来控制数据平衡的行为。例如，您可以为节点设置一个自定义属性，然后在进行集群维护期间，通过将节点标记为不可分配（disable allocation）来禁用数据平衡。

PUT /_cluster/settings
{
  "transient": {
    "cluster.routing.allocation.exclude._name": "node_name"
  }
}

在上面的示例中，将 node_name 替换为您要禁用数据平衡的节点名称。

2、暂时禁用数据平衡

您可以使用以下 API 暂时禁用数据平衡，直到您重新启用它。这可以在进行特定维护操作时使用。

PUT /_cluster/settings
{
  "transient": {
    "cluster.routing.allocation.enable": "none"
  }
}

这将暂时禁用数据平衡，直到您通过以下方式重新启用它：

PUT /_cluster/settings
{
  "transient": {
    "cluster.routing.allocation.enable": "all"
  }
}

3、集群维护模式

Elasticsearch 7 引入了集群维护模式（cluster maintenance mode），允许您更方便地执行维护操作而不影响数据平衡。您可以将集群设置为维护模式，然后执行维护操作，最后再将集群恢复到正常状态。

启用维护模式：

PUT /_cluster/settings
{
  "transient": {
    "cluster.routing.allocation.cluster_maintenance_mode": "enable"
  }
}

执行维护操作后，禁用维护模式：

PUT /_cluster/settings
{
  "transient": {
    "cluster.routing.allocation.cluster_maintenance_mode": "disable"
  }
}

请注意，在维护模式下，Elasticsearch 会暂时禁用自动分片分配和数据平衡，以便您可以执行维护操作。

无论您使用哪种方法，都应小心使用禁用数据平衡的功能，并确保在维护操作完成后重新启用它，以保持集群的健康状态。