完整集群重启和滚动重启

禁用分片分配。

当您关闭一个数据节点时，分配过程会等待 index.unassigned.node_left.delayed_timeout (默认情况下为一分钟)，然后开始将该节点上的分片复制到集群中的其他节点，这可能涉及大量的 I/O。 由于该节点很快将被重启，因此这种 I/O 是不必要的。 您可以通过在关闭数据节点之前禁用副本的分配来避免争夺时间。

resp = client.cluster.put_settings(
    persistent={
        "cluster.routing.allocation.enable": "primaries"
    },
)
print(resp)

response = client.cluster.put_settings(
  body: {
    persistent: {
      'cluster.routing.allocation.enable' => 'primaries'
    }
  }
)
puts response

const response = await client.cluster.putSettings({
  persistent: {
    "cluster.routing.allocation.enable": "primaries",
  },
});
console.log(response);

PUT _cluster/settings
{
  "persistent": {
    "cluster.routing.allocation.enable": "primaries"
  }
}

在重启大型集群时，您还可以考虑网关设置，以减少节点在通过发现进行处理时的初始压力。

停止索引并执行刷新。

执行刷新可以加快分片恢复。

resp = client.indices.flush()
print(resp)

response = client.indices.flush
puts response

const response = await client.indices.flush();
console.log(response);

POST /_flush

临时停止与活动机器学习作业和数据源相关的任务。 (可选)

机器学习功能需要特定的订阅。

当您关闭集群时，有两种选择来处理机器学习作业和数据源

关闭所有节点。

重启节点。

如果您有专用的主节点，请先启动它们，并等待它们形成一个集群并选举一个主节点，然后再继续处理您的数据节点。 您可以通过查看日志来检查进度。

一旦足够多的符合主节点条件的节点相互发现，它们就会形成一个集群并选举一个主节点。 此时，您可以使用cat health和cat nodes API 来监视节点加入集群的情况

resp = client.cat.health()
print(resp)

resp1 = client.cat.nodes()
print(resp1)

response = client.cat.health
puts response

response = client.cat.nodes
puts response

const response = await client.cat.health();
console.log(response);

const response1 = await client.cat.nodes();
console.log(response1);

GET _cat/health

GET _cat/nodes

_cat/health 返回的 status 列显示集群中每个节点的运行状况：red、yellow 或 green。

等待所有节点加入集群并报告黄色状态。

当一个节点加入集群时，它会开始恢复本地存储的任何主分片。 _cat/health API 最初报告的 status 为 red，表示并非所有主分片都已分配。

一旦节点恢复其本地分片，集群 status 就会切换为 yellow，表示所有主分片都已恢复，但并非所有副本分片都已分配。 这是意料之中的，因为您尚未重新启用分配。 将副本的分配延迟到所有节点都为 yellow 时，允许主节点将副本分配给已经具有本地分片副本的节点。

重新启用分配。

当所有节点都已加入集群并恢复其主分片后，通过将 cluster.routing.allocation.enable 恢复为其默认值来重新启用分配

resp = client.cluster.put_settings(
    persistent={
        "cluster.routing.allocation.enable": None
    },
)
print(resp)

response = client.cluster.put_settings(
  body: {
    persistent: {
      'cluster.routing.allocation.enable' => nil
    }
  }
)
puts response

const response = await client.cluster.putSettings({
  persistent: {
    "cluster.routing.allocation.enable": null,
  },
});
console.log(response);

PUT _cluster/settings
{
  "persistent": {
    "cluster.routing.allocation.enable": null
  }
}

重新启用分配后，集群开始将副本分片分配给数据节点。 此时，可以安全地恢复索引和搜索，但是如果您可以等到所有主分片和副本分片都已成功分配，并且所有节点的状态都为 green，则您的集群将恢复得更快。

您可以使用 _cat/health 和 _cat/recovery API 监视进度

resp = client.cat.health()
print(resp)

resp1 = client.cat.recovery()
print(resp1)

response = client.cat.health
puts response

response = client.cat.recovery
puts response

const response = await client.cat.health();
console.log(response);

const response1 = await client.cat.recovery();
console.log(response1);

GET _cat/health

GET _cat/recovery

重启机器学习作业。 (可选)

如果您临时停止了与机器学习作业相关的任务，请使用 设置升级模式 API 将其恢复为活动状态

resp = client.ml.set_upgrade_mode(
    enabled=False,
)
print(resp)

response = client.ml.set_upgrade_mode(
  enabled: false
)
puts response

const response = await client.ml.setUpgradeMode({
  enabled: "false",
});
console.log(response);

POST _ml/set_upgrade_mode?enabled=false

如果您在停止节点之前关闭了所有机器学习作业，请从 Kibana 或使用 打开作业 和 启动数据源 API 打开作业并启动数据源。

禁用分片分配。

当您关闭一个数据节点时，分配过程会等待 index.unassigned.node_left.delayed_timeout (默认情况下为一分钟)，然后开始将该节点上的分片复制到集群中的其他节点，这可能涉及大量的 I/O。 由于该节点很快将被重启，因此这种 I/O 是不必要的。 您可以通过在关闭数据节点之前禁用副本的分配来避免争夺时间。

resp = client.cluster.put_settings(
    persistent={
        "cluster.routing.allocation.enable": "primaries"
    },
)
print(resp)

response = client.cluster.put_settings(
  body: {
    persistent: {
      'cluster.routing.allocation.enable' => 'primaries'
    }
  }
)
puts response

const response = await client.cluster.putSettings({
  persistent: {
    "cluster.routing.allocation.enable": "primaries",
  },
});
console.log(response);

PUT _cluster/settings
{
  "persistent": {
    "cluster.routing.allocation.enable": "primaries"
  }
}

在重启大型集群时，您还可以考虑网关设置，以减少节点在通过发现进行处理时的初始压力。

停止非必要的索引并执行刷新。 (可选)

虽然您可以在滚动重启期间继续索引，但如果您临时停止非必要的索引并执行刷新，则分片恢复会更快。

resp = client.indices.flush()
print(resp)

response = client.indices.flush
puts response

const response = await client.indices.flush();
console.log(response);

POST /_flush

临时停止与活动机器学习作业和数据源相关的任务。 (可选)

机器学习功能需要特定的订阅。

当您关闭集群时，有两种选择来处理机器学习作业和数据源

在滚动重启的情况下，关闭单个节点。

重启您更改的节点。

启动节点，并通过检查日志文件或提交 _cat/nodes 请求来确认其已加入集群

resp = client.cat.nodes()
print(resp)

response = client.cat.nodes
puts response

const response = await client.cat.nodes();
console.log(response);

GET _cat/nodes

重新启用分片分配。

对于数据节点，一旦节点加入集群，请删除 cluster.routing.allocation.enable 设置以启用分片分配并开始使用该节点

resp = client.cluster.put_settings(
    persistent={
        "cluster.routing.allocation.enable": None
    },
)
print(resp)

response = client.cluster.put_settings(
  body: {
    persistent: {
      'cluster.routing.allocation.enable' => nil
    }
  }
)
puts response

const response = await client.cluster.putSettings({
  persistent: {
    "cluster.routing.allocation.enable": null,
  },
});
console.log(response);

PUT _cluster/settings
{
  "persistent": {
    "cluster.routing.allocation.enable": null
  }
}

在滚动重启的情况下重复。

当节点恢复并且集群稳定后，对每个需要更改的节点重复这些步骤。

重启机器学习作业。 (可选)

如果您临时停止了与机器学习作业相关的任务，请使用 设置升级模式 API 将其恢复为活动状态

resp = client.ml.set_upgrade_mode(
    enabled=False,
)
print(resp)

response = client.ml.set_upgrade_mode(
  enabled: false
)
puts response

const response = await client.ml.setUpgradeMode({
  enabled: "false",
});
console.log(response);

POST _ml/set_upgrade_mode?enabled=false

如果您在停止节点之前关闭了所有机器学习作业，请从 Kibana 或使用 打开作业 和 启动数据源 API 打开作业并启动数据源。