human: 指定此查询参数可在响应中包含带有单位的字段。否则，响应中仅返回 _in_bytes 大小。
master_timeout: （可选，时间单位）等待主节点的时间。如果在超时到期之前主节点不可用，则请求失败并返回错误。默认为 30s。也可以设置为 -1 表示请求永远不会超时。
timeout: （可选，时间单位）在更新集群元数据后，等待来自集群中所有相关节点的响应的时间。如果在超时到期之前没有收到响应，则集群元数据更新仍然适用，但响应将指示它未被完全确认。默认为 30s。也可以设置为 -1 表示请求永远不会超时。

响应正文

编辑

_nodes

（对象）包含有关请求选择的节点数量的统计信息。

_nodes 的属性

failed: （整数）拒绝请求或未能响应的节点数。如果此值不为 0，则响应中会包含拒绝或失败的原因。
successful: （整数）成功响应请求的节点数。
total: （整数）请求选择的节点总数。

cluster_name

（字符串）集群的名称。基于 cluster.name 设置。

nodes

（对象）包含请求选择的节点的统计信息。

nodes 的属性

<node_id>

（对象）包含节点的统计信息。

<node_id> 的属性

attributes

（对象）列出节点属性，例如 ml.machine_memory 或 ml.max_open_jobs 设置。

ephemeral_id

（字符串）节点的临时 ID。

jvm

（对象）包含节点的 Java 虚拟机 (JVM) 统计信息。

jvm 的属性

heap_max: （字节值）堆可用的最大内存量。
heap_max_in_bytes: （整数）堆可用的最大内存量（以字节为单位）。
java_inference: （字节值）当前用于缓存推理模型的 Java 堆内存量。
java_inference_in_bytes: （整数）当前用于缓存推理模型的 Java 堆内存量（以字节为单位）。
java_inference_max: （字节值）用于缓存推理模型的最大 Java 堆内存量。
java_inference_max_in_bytes: （整数）用于缓存推理模型的最大 Java 堆内存量（以字节为单位）。

mem

（对象）包含有关节点内存使用情况的统计信息。

mem 的属性

adjusted_total

（字节值）如果使用 es.total_memory_bytes 系统属性覆盖了物理内存量，则此属性会报告覆盖值。否则，它会报告与 total 相同的值。

adjusted_total_in_bytes

（整数）如果使用 es.total_memory_bytes 系统属性覆盖了物理内存量，则此属性会报告以字节为单位的覆盖值。否则，它会报告与 total_in_bytes 相同的值。

ml

（对象）包含有关节点上机器学习本机内存使用情况的统计信息。

ml 的属性

anomaly_detectors: （字节值）为异常检测作业预留的本机内存量。
anomaly_detectors_in_bytes: （整数）为异常检测作业预留的本机内存量（以字节为单位）。
data_frame_analytics: （字节值）为数据帧分析作业预留的本机内存量。
data_frame_analytics_in_bytes: （整数）为数据帧分析作业预留的本机内存量（以字节为单位）。
max: （字节值）机器学习本机进程可能使用的最大本机内存量（与 JVM 堆分开）。
max_in_bytes: （整数）机器学习本机进程可能使用的最大本机内存量（以字节为单位，与 JVM 堆分开）。
native_code_overhead: （字节值）为加载机器学习本机代码共享库而预留的本机内存量。
native_code_overhead_in_bytes: （整数）为加载机器学习本机代码共享库而预留的本机内存量（以字节为单位）。
native_inference: （字节值）为具有 PyTorch model_type 的训练模型预留的本机内存量。
native_inference_in_bytes: （整数）为具有 PyTorch model_type 的训练模型预留的本机内存量（以字节为单位）。

total

（字节值）物理内存总量。

total_in_bytes

（整数）物理内存总量（以字节为单位）。

name

（字符串）节点的人类可读标识符。基于节点名称设置设置。

roles

（字符串数组）分配给节点的角色。请参阅节点。

transport_address

（字符串）接受传输 HTTP 连接的主机和端口。

示例

编辑

resp = client.ml.get_memory_stats(
    human=True,
)
print(resp)

response = client.ml.get_memory_stats(
  human: true
)
puts response

const response = await client.ml.getMemoryStats({
  human: "true",
});
console.log(response);

GET _ml/memory/_stats?human

这是一个可能的响应

{
  "_nodes": {
    "total": 1,
    "successful": 1,
    "failed": 0
  },
  "cluster_name": "my_cluster",
  "nodes": {
    "pQHNt5rXTTWNvUgOrdynKg": {
      "name": "node-0",
      "ephemeral_id": "ITZ6WGZnSqqeT_unfit2SQ",
      "transport_address": "127.0.0.1:9300",
      "attributes": {
        "ml.machine_memory": "68719476736",
        "ml.max_jvm_size": "536870912"
      },
      "roles": [
        "data",
        "data_cold",
        "data_content",
        "data_frozen",
        "data_hot",
        "data_warm",
        "ingest",
        "master",
        "ml",
        "remote_cluster_client",
        "transform"
      ],
      "mem": {
        "total": "64gb",
        "total_in_bytes": 68719476736,
        "adjusted_total": "64gb",
        "adjusted_total_in_bytes": 68719476736,
        "ml": {
          "max": "19.1gb",
          "max_in_bytes": 20615843020,
          "native_code_overhead": "0b",
          "native_code_overhead_in_bytes": 0,
          "anomaly_detectors": "0b",
          "anomaly_detectors_in_bytes": 0,
          "data_frame_analytics": "0b",
          "data_frame_analytics_in_bytes": 0,
          "native_inference": "0b",
          "native_inference_in_bytes": 0
        }
      },
      "jvm": {
        "heap_max": "512mb",
        "heap_max_in_bytes": 536870912,
        "java_inference_max": "204.7mb",
        "java_inference_max_in_bytes": 214748364,
        "java_inference": "0b",
        "java_inference_in_bytes": 0
      }
    }
  }
}

« 获取机器学习信息 API 设置升级模式 API »