Elasticsearch 快照生命周期管理 (SLM) 实战指南

文章转载自：https://mp.weixin.qq.com/s/PSfgPJc4dKN2pOZd0Y02wA

1、Elasticsearch 保证高可用性的方式

Elasticsearch 保证集群高可用的方式包含但不限于如下三种：

方式一：副本分片。主分片失效后，副本分片会被提升为主分片。

方式二：跨集群复制主从同步。简称：CCR，指的是索引数据从一个 Elasticsearch 集群复制到另一个 Elasticsearch 集群。对于主集群的索引数据的任何修改都会直接复制同步到从索引集群。

方式三：快照。快照在给定时刻对集群或者索引按了暂停键且拍摄了当时的全部“照片”。这样，当在之后的某个时间点，倘若集群或索引出现故障，可以基于之前的快照进行快速恢复。

2、Elasticsearch 7.6 之前版本备份方式及存在问题

7.6 之前的版本快照都是手动创建、手动控制的。不支持：定时快照、定时删除历史快照等功能。

实际业务中，如何定时创建快照、定时删除时间比较久的历史快照呢？

关于快照的定时管理功能在 Elasticsearch 7.6+ 版本已经实现。

借助什么实现的呢？快照生命周期管理 (SLM) !

快照生命周期管理 (SLM) 是定期备份集群的最简单方法。SLM 策略会按照预设计划自动拍摄快照。该策略还可以根据用户自定义的保留规则（retention）删除快照。

3、Elasticsearch 快照生命周期管理（SLM）实现

如下实战演示是基于 Elasticsearch 8.1.3 版本进行的，没有涉及权限，只保留了最最核心的步骤。

步骤1：配置快照存储路径及注册快照存储库

在 elasticsearch 中添加如下配置：

path.repo: ["/www/elasticsearch_0801/backup_0801"]

注册快照存储库，同时设置存储路径。

PUT _snapshot/mytx_backup
{
  "type": "fs",
  "settings": {
    "location": "/www/elasticsearch_0801/backup_0801"
  }
}

步骤2：配置定时快照任务

这部分内容属于新版本才有的特性，我们逐行解释一下。

PUT _slm/policy/test-snapshots
{
  "schedule": "0 0/15 * * * ?",
  "name": "<test-snap-{now/d}>",
  "repository": "mytx_backup",
  "config": {
    "indices": "*",
    "include_global_state": true
  },
  "retention": {
    "expire_after": "30d",
    "min_count": 5,
    "max_count": 50
  }
}

• "schedule": "0 0/15 * * * ?"

含义：定时任务，类似 linux 下面的 crontab 命令。

直接看下面这张图：

分别对应的是：秒、分钟、小时、天、月、星期、[年（可选）]。

"0 0/15 * * * ?"中：0/15 代表每15分钟创建一次快照。

15分钟是最小的时间间隔，不能再小了，再小会报错如下：

{
  "error" : {
    "root_cause" : [
      {
        "type" : "illegal_argument_exception",
        "reason" : "invalid schedule [0 0/1 * * * ?]: schedule would be too frequent, executing more than every [15m]"
      }
    ],
    "type" : "illegal_argument_exception",
    "reason" : "invalid schedule [0 0/1 * * * ?]: schedule would be too frequent, executing more than every [15m]"
  },
  "status" : 400
}

也可以从磁盘的角度考虑，周期时间越多，备份的次数越多，涉及重复备份数据越多，磁盘会扛不住。

星期部分的“？”问号指代的是——当我们不关心是星期几的时候，都可以使用“？”问号代表。

• "name": "<test-snap-{now/d}>"

含义：快照的名称。

• "repository": "mytx_backup"

含义：第一步创建的快照存储库。

• "config": { "indices": "*","include_global_state": true},

含义如果设置为true（默认为true），则创建的快照包括集群状态以及 feature 状态。

啥是 featrue 特征状态？

GET _features

• "retention": { "expire_after": "30d", "min_count": 5, "max_count": 50}

含义：配置可选的保留规则。如上的配置将快照保留 30 天，保留至少保留 5 个且最多不超过 50 个快照。

步骤3：执行步骤2创建的 policy

POST _slm/policy/test-snapshots/_execute

返回结果如下：

{
  "snapshot_name" : "test-snap-2022.05.04-2vsflay-syotenwvgbh0kw"
}

执行完毕后，每15分钟会创建一个快照。最终在设定的快照存储路径下的结果为：

扩展：retention 快照的保留规则有定时执行或者手动立即执行两种方式。

retention 定时执行：

PUT _cluster/settings
{
  "persistent" : {
    "slm.retention_schedule" : "0 30 1 * * ?"
  }
}

retention 立即执行：

POST _slm/_execute_retention

4、恢复快照

4.1

步骤1：查看特定快照存储库下的所有快照

GET _snapshot/mytx_backup/*?verbose=false

返回结果如下：

想恢复哪一个？需要通过如上命令行或通过 kibana 可视化界面操作选择。

4.2 恢复快照

选择要恢复的快照后，执行恢复即可。

注意：原恢复索引若存在是不可以的，需要提前删除后再恢复。

DELETE .kibana-event-log-8.1.3-000001
POST _snapshot/mytx_backup/test-snap-2022.05.04-13d-_6dore-kc1x0-fdaiq/_restore
{
  "indices": ".kibana-event-log-8.1.3-000001"
}

恢复成功后返回：

{
  "accepted" : true
}

5、Elasticsearch 快照生命周期管理（SLM）常见命令

5.1 监视任何当前正在运行的快照

GET _snapshot/mytx_backup/_current

5.2 返回任何当前正在运行的快照的每个细节

GET _snapshot/_status

5.3 查看全量 SLM policy 执行的历史

GET _slm/stats

召回结果如下：

{
  "retention_runs" : 0,
  "retention_failed" : 0,
  "retention_timed_out" : 0,
  "retention_deletion_time" : "0s",
  "retention_deletion_time_millis" : 0,
  "total_snapshots_taken" : 67,
  "total_snapshots_failed" : 0,
  "total_snapshots_deleted" : 0,
  "total_snapshot_deletion_failures" : 0,
  "policy_stats" : [
    {
      "policy" : "test-snapshots",
      "snapshots_taken" : 67,
      "snapshots_failed" : 0,
      "snapshots_deleted" : 0,
      "snapshot_deletion_failures" : 0
    }
  ]
}

其中， "snapshots_taken" : 67 是执行快照的次数。

我是：2022-05-04 14:21执行的快照，现在是：2022-05-05 6:51，时间间隔为正好接近 67 的 15 倍分钟数。

5.4 查看特定 SLM policy 执行的历史

GET _slm/policy/test-snapshots

返回结果：

{
  "test-snapshots" : {
    "version" : 1,
    "modified_date_millis" : 1651645270018,
    "policy" : {
      "name" : "<test-snap-{now/d}>",
      "schedule" : "0 0/15 * * * ?",
      "repository" : "mytx_backup",
      "config" : {
        "indices" : "*",
        "include_global_state" : true
      },
      "retention" : {
        "expire_after" : "30d",
        "min_count" : 5,
        "max_count" : 50
      }
    },
    "last_success" : {
      "snapshot_name" : "test-snap-2022.05.05-l4eldgoorfkkik8khlmuiq",
      "start_time" : 1651733999879,
      "time" : 1651734000637
    },
    "next_execution_millis" : 1651734900000,
    "stats" : {
      "policy" : "test-snapshots",
      "snapshots_taken" : 100,
      "snapshots_failed" : 0,
      "snapshots_deleted" : 49,
      "snapshot_deletion_failures" : 0
    }
  }
}

• last_success 代表上一次执行成功快照的名称;。
• start_time 快照执行时间：2022-05-05 14:29:59。
• next_execution_millis 下一次快照执行时间：2022-05-05 14:45:00。
• snapshots_taken - snapshots_deleted 之差和retention 里规定的 50 个是基本一致的。

5.5 删除快照

DELETE _snapshot/mytx_backup/test-snap-2022.05.05-uhbwjyj8qwwhdxqvcgejbq

执行成功，会返回：

{
  "acknowledged" : true
}

6、kibana 图形化界面操作快照生命周期SLM

有图有真相，不必过多解释！

7、小结

快照生命周期管理SLM 会让我们立即想到之前讲过的一个概念：索引生命周期管理 ILM。

ILM：解决的是基于冷热集群架构的时序索引的生、老、病、死全生命周期的管理。

SLM：解决的是快照的定时备份、定时清理功能。相较于之前的手动执行方式，自动执行的好处就是：全自动化，无需人工干预，能极大的提高开发和运维人员工作效率。