ES灾备技术调研

早就听说极限网关了，最近有个ES要做灾备，就搜集了下技术方案：

1. 应用双写两个集群
   
   
2. 跨集群复制CCR
   
   
3. 极限网关
   
   三个方案的优缺点我也简单整理了下：
   
   
4. 优点：自主研发，想怎样就怎样；缺点：难，水平、时间都是成本
   
   
5. 优点：实施简单；缺点：需要license
   
   
6. 优点：部署灵活，功能齐全；缺点：不熟悉，没用过
   
   
   
   貌似方案 3，比较理想。不熟悉，那就多用用，测试测试找找感觉。
   
   
   
   

   测试环境 笔记本
   

   
   | 主集群：A | 7.14.1 | 10.0.2.15:9214 | Rbac+tls | 节点数：1 |
   | --------- | ------ | -------------- | -------- | --------- |
   | 备集群：B | 7.13.2 | 10.0.2.15:9213 | Rbac+tls | 节点数：2 |
   | 极限网关 | 1.3.0 | 0.0.0.0:8000 | tls | 实例数：1 |
   
   

   

   
   
   
   

   

   
   
   
   

   网关下载
   

   
   先下载极限网关：http://release.elasticsearch.cn/gateway/snapshot/
   
   解压后，可看到有几个预定义的配置，方便大家快速上车。
   
   
   

   

   
   
   
   

   网关配置
   

   
   这次是做灾备，应该就是在 dc-replica.yml的基础上改比较妥当，配置还是比较多的 300多行，很多都是为了保证两个集群数据一致性，解耦啥的做的判断和写队列之类的设置。我只修改了 elasticsearch资源的定义信息，还有网关也可选择tls，不用手工生成证书，非常方便。
   
   贴下我修改的地方
   
   

   

   
   
   

   

   
   
   
   
   

   启动网关
   

   
   

   

   
   
   
   两个集群都是 available ，说明连接应该ok
   
   
   
   

   测试场景：围绕主备集群之间数据复制展开
   

   
   

   1. 主备集群间复制创建、写入、删除索引操作
   

   
   

   目的：对网关（A集群）创建索引test，对test索引写文档，能自动同步到B集群
   

   
   初始情况A、B无test
   

   

   
   

   

   
   
   手工put test索引到网关
   

   

   
   

   

   
   

   

   
   A,B集群都创建成功
   
   
   用loadgen写点文档进去吧，loadgen直接写网关
   
   

   

   
   
   

   

   
   
   

   

   
   
   都10000条写入成功，如果查看是0的话，先refresh下索引
   
   看下文档
   
   
   

   

   
   
   
   简单校验一下
   
   

   

   
   
   
   

   

   
   
   感觉没问题，删点文档看看，把那23个删了吧
   
   

   

   
   
   
   再看看
   
   

   

   
   
   
   

   

   
   
   
   更新524个文档看看
   
   

   

   
   
   

   

   
   
   

   

   
   
   增、删、改 完事
   
   
   
   

   2. 主集群故障的处理和恢复
   

   
   

   目的：主集群故障后，网关如何处理收到的请求：读、写
   

   
   Kill 掉 A 集群，模拟主集群故障
   
   网关直接有报错说连不上A集群
   
   此时对网关查询、写入数据都会报错
   
   
   

   

   
   
   
   重新启动主集群后，一切正常
   
   
   
   

   3. 备集群故障的处理和恢复
   

   
   

   目的：备集群故障，读、写主集群不受影响，备集群恢复后，自动追数据直到两边数据一致
   

   
   Kill 掉B集群，网关报错，B集群无法连接
   
   

   

   
   
   
   
   
   对A集群进行写入一个新文档，并查询下
   
   

   

   
   
   
   

   

   
   
   
   
   
   启动B集群，查看，已自动添加了新的文档
   
   

   

   
   
   
   
   

   4. 主集群容灾切换
   

   
   

   目的：主集群故障，短时间不可用，网关切换指向备集群作为主集群，A集群作为备集群；待A集群恢复后，自动追数据
   

   
   KILL A 集群 模拟A集群故障
   
   Kill 网关，切换配置：
   
   

   

   
   
   
   
   启动网关，B是主了，available
   
   

   

   
   
   
   
   
   写B集群，删除前面创建的 test 索引，新建test2索引，并插入文档
   
   

   

   
   
   
   

   

   
   
   
   
   
   启动A集群，检查数据，有test2索引，且文档一致
   
   

   

   
   
   
   
   

   5. 主集群故障恢复后，网关回切
   

   
   目的：假设A集群已经完全恢复，网关回切，A集群为主，B集群为备
   
   Kill网关，恢复配置，再启动网关
   
   再次测试写入test2 检查能否同步成功
   
   写网关
   
   

   

   
   
   
   查看A集群
   
   

   

   
   
   
   查看B集群
   
   

   

   
   
   
   两个集群数据一致，主备角色也恢复到最初了
   
   

   **测试环境变更
   

   
   中间工作比较忙，中断了测试，也就十来天吧
   
   不成想 网关更新了，我就下了新版本的gateway和ES-7.15.1 继续捣鼓
   
   环境 笔记本
   
   | 主集群：es-751primary | 7.15.1 | 10.0.2.15:7151 | No：Rbac、tls | 节点数：1 |
   | --------------------- | ------------------------ | -------------- | ------------- | --------- |
   | 备集群：es-751backup | 7.15.1 | 10.0.2.15:7152 | No：Rbac、tls | 节点数：1 |
   | 极限网关 | 场景6：1.4.0场景7：1.5.0 | 0.0.0.0:8000 | No：tls | 实例数：1 |
   
   
   
   

   

   
   
   
   
   
   网关不光版本升级了，配置文件也稍稍有些变化，新版本示例配置如下
   
   

   

   
   
   
   本着不会就猜的原则，我还是能做到见名之知意的
   
   我仅仅对 cross-cluster-replication.yml 做了简单的修改，就是和前面一样
   
   
   
   

   6. ES由代理暴露的能否正常工作
   

   
   

   目的：检验，比如由nginx代理ES的时候，网关能否正常工作
   

   
   使用 nginx 代理后端的ES
   
   80-->primary
   
   81-->backup
   
   

   

   
   
   
   测试下反向代理工作是否正常
   
   

   

   
   
   
   
   
   启动网关，网关里elasticsearch资源指向nginx，没错就改了下 url
   
   

   

   
   
   
   
   
   开始测试，增删改查 once more，还是对着网关操作
   
   创建索引
   
   

   

   
   
   
   PUT 文档
   
   

   

   
   
   
   抄家伙
   
   

   

   
   
   
   看看数量
   
   

   

   
   
   
   简单对比下
   
   

   

   
   给 code为500的文档增加一个字段 new_field
   
   

   

   
   
   
   直接通过代理查询，检验数据
   
   

   

   
   
   
   
   
   没问题，测试删除
   
   删除单条
   
   

   

   
   
   

   

   
   
   

   

   
   
   
   
   批量删除
   
   

   

   
   
   
   
   
   看看结果
   
   

   

   
   
   
   删除索引，并确认真的删除
   
   

   

   
   
   
   
   关调backup集群，然后primary集群创建索引后，再启动backup集群，看能否自动追平
   
   

   

   
   
   
   
   
   创建test2索引
   
   

   

   
   
   
   顺手put个文档
   
   

   

   
   
   
   Primary上查看
   
   

   

   
   
   
   OK 启动backup
   
   

   

   
   
   
   妈的 奇迹
   
   
   
   

   7. 请求压缩功能如何
   

   
   

   目的：看看客户端和网关分别在不同的请求压缩配置下，是否工作正常
   

   
   在网关的配置中，看到了 compress 压缩，也设计几个场景测试下
   
   网关配置里面有个压缩的配置，意思是消费线程往ES发送请求的时候是否启用gzip压缩。
   
   默认是 true
   
   

   

   
   
   
   
   
   

   7.1 用压缩的方式写网关，但网关不启用压缩
   

   
   我们把网关配置中的true改成false
   
   

   

   
   
   
   
   
   启动网关
   
   

   

   
   
   
   
   
   开始写数据，写的过程中，随机停止backup集群，等待一会儿后再启动
   
   

   

   
   
   
   网关可看到 backup集群，从不可用到可用
   
   

   

   
   
   
   看看网关的队列情况，这时候backup队列应该堆积了不少请求
   
   

   

   
   
   
   等待队列被消费完后，我们对比数据。
   
   

   

   
   
   
   简单看看文档条数
   
   

   

   
   
   
   

   

   
   
   
   用网关对比下数据看看
   
   

   

   
   
   
   妥妥的一致
   
   
   
   

   7.2 用压缩的方式写网关，网关也启用压缩
   

   
   就把前面网关贴图的false改成true
   
   启动网关
   
   

   

   
   
   
   
   
   压缩写入
   
   

   

   
   
   
   写入过程中，随机重启backup集群
   
   网关日志
   
   

   

   
   
   
   等待网关backup队列消费完毕，后对比数据
   
   

   

   
   
   

   

   
   
   
   
   
   
   没得问题，下一场
   
   
   
   

   7.3 用不压缩的方式写网关，网关也不启用压缩
   

   
   网关配置compress: false，后启动网关
   
   

   

   
   
   
   不压缩请求
   
   

   

   
   
   
   中途随机重启backup集群
   
   

   

   
   
   队列消费完后对比数据
   
   

   

   
   
   
   数据一致
   
   
   
   

   7.4 用不压缩的方式写网关，网关backup队列的消费线程使用压缩
   

   
   

   

   
   
   
   写入过程中，停止backup集群，稍等一会儿后启动backup集群
   
   

   

   
   
   
   观察网关的backup 队列情况
   
   

   

   
   
   
   等消费完之后，我们对比数据
   
   数量一致
   
   

   

   
   
   

   

   
   
   
   
   
   用网关来对比下两个集群的test索引的数据
   
   

   

   
   
   
   
   
   至此，关于跨集群复制的场景测试可以告一段落了，功能大家也看到了确实强大，部署也很灵活，对环境无侵入，直接把应用连接ES的地址、端口改下就行。或者网关直接监听9200端口，替换原有的协调节点，应用无感知。
   
   
   
   此外，极限网关还有很多别的使用场景和激动人心的功能，像在线修改查询、请求限流、请求流量分析，这都是保障ES集群稳定运行的手段。
   
   
   
   看到一款国产软件如此强大很欣慰，很激动。希望各位感兴趣的小伙伴也下载测试下自己的场景，我们ES圈（论坛）多交流交流。让我也看看你们的场景和测试是怎样的。
   
   最后一个图，我也不知道咋回事，请忽略。