检测到您已登录华为云国际站账号,为了您更好的体验,建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
当数据的写入与查询突然变得缓慢时,可以升级数据节点的“节点规格”提高数据节点的查询与写入效率。 当存在冷数据查询缓慢时,可以升级冷数据节点的“节点规格”,提高数据查询的效率。 变更节点规格也支持将大规格更改为小规格,但是此变更会降低集群的处理性能,进而影响业务能力,请谨慎使用。
检测所有分片大小,分片太大可能导致查询性能下降,节点内存消耗增加,影响扩缩容以及节点故障时分片的恢复速率等。 检测当前集群是否存在可升级的版本。 检测集群7天内是否有快照备份失败,或7天内无快照备份记录。
查看Elasticsearch集群审计日志 父主题: 使用Elasticsearch搜索数据
如果对查询的实时性级别要求不高的话,可以调整下分片刷新的时间(默认是每秒刷新一次),提高写入速度。 PUT /my_logs { "settings": { "refresh_interval": "30s" } } 父主题: 数据导入导出类
如何查看CSS集群所分布的可用区? 在集群的“基本信息”页面,可以获取集群所分布的可用区信息。 登录云搜索服务管理控制台。 选择“集群管理 > Elasticsearch”,进入集群列表页面。
pretty查看索引分片未分配的原因,根据返回信息进行筛选。
CSS服务中如何设置Elasticsearch集群慢查询日志的阈值? CSS服务中如何清理Elasticsearch索引数据? CSS服务中如何清理Elasticsearch缓存?
自定义查询条件。 可在“自动续费项”页签查询已经开通自动续费的资源。 可对“手动续费项”、“到期转按需项”、“到期不续费项”页签的集群开通自动续费。 图2 续费管理 勾选需要开通自动续费一个或多个集群,单击“开通自动续费”。
查看Elasticsearch集群信息 在Elasticsearch/OpenSearch集群的列表页和基本信息页,可以获取集群的状态、版本、节点等信息。 集群列表介绍 集群列表会展示当前账号下同一集群类型的所有集群。当集群数量较多时,会翻页显示,支持查看任何状态下的集群。
begin 查看监控数据的起始时间。 end 查看监控数据的结束时间。 status 查询监控时间间隔内的索引状态。 pri 查询监控时间间隔内的索引的shard数量。 rep 查询监控时间间隔内的索引副本数量。 init 查询监控时间间隔内的索引的初始化数量。
"indices": "index_1,index_2" # 查找正在恢复的索引,该索引名称需要与提供的模板匹配。 "rename_pattern": "index_(.+)", # 重命名查找到的索引。
CSS服务中如何查看集群总磁盘使用率? 在集群的“基本信息”页面,可以查看集群总磁盘使用率。 登录云搜索服务管理控制台。 选择“集群管理 > Elasticsearch”,进入集群列表页面。
偏移量为一个大于0小于终端节点服务总个数的整数, 表示从偏移量后面的终端节点服务开始查询。 limit 否 Integer 查询返回终端节点服务的连接列表限制每页个数,即每页返回的个数。 action_mode 否 String 查询升级行为。
/filebeat 通过Kibana进行查询并制作报表。 进入Elasticsearch集群的Kibana操作界面。 单击左侧导航栏的“Discover”进行查询与分析,类似的效果如图2所示。 图2 Discover界面示例
OpenSearch 1.3.6 向量检索特性介绍 存算分离 存算分离支持将集群新写入的数据存储在SSD来达到最佳的查询检索性能,将历史数据存储到OBS中降低数据的存储成本。 存算分离和切换冷热数据比,更适用于对搜索性能要求不高的场景,冷数据存储在OBS中,存储成本更低一些。
参数说明: 当操作角色为node时,value为节点ID,通过查询集群详情获取instances中的id属性。 当操作角色为role时,value为节点类型(ess、ess-master、ess-client、ess-cold)的多种不同组合。
向量检索即在一个给定的向量数据集中,按照某种度量方式,检索出与查询向量相近的K个向量(K-Nearest Neighbor,KNN),但由于KNN计算量过大,通常只关注近似近邻(Approximate Nearest Neighbor,ANN)问题。
关闭副本 数据写入与查询错峰执行,在数据写入时关闭数据副本,待数据写入完成后再开启副本。
商用 参数配置 历史变更 关于云搜索服务(CSS)更多历史版本变更内容,请单击“查看PDF”详细了解。
向量检索即在一个给定的向量数据集中,按照某种度量方式,检索出与查询向量相近的K个向量(K-Nearest Neighbor,KNN),但由于KNN计算量过大,通常只关注近似近邻(Approximate Nearest Neighbor,ANN)问题。