坚持dynamicElasticsearch集群节点数据的策略
对不起，这可能是一个广泛的问题，但我没有find解决schemeforms这个问题呢。
我尝试通过使用Docker容器的Marathon在Mesos上运行Elasticsearch集群。 因此，我构build了一个可以在Marathon上启动的Docker镜像 ，并通过前端或APIdynamic扩展。
这对testing设置非常有用，但问题仍然是如何保持数据，以便如果集群缩小（我知道这也是关于索引configuration本身）或停止，并且希望稍后重新启动（或者按比例放大）与相同的数据。
问题是，马拉松决定运行节点的位置（在哪个Mesos Slave上），所以从我的angular度来看，如果所有的数据在重新启动的时候都可用于“新”节点， Docker主机通过Docker卷。
我唯一想到的是：
-
使用像HDFS或NFS这样的分布式文件系统，在Docker主机或Docker映像上装载已安装的卷。 但是，如果“旧”群集有8个节点，新群集只有4个，那么在新的群集启动过程中，如何加载所有数据就成了问题。
-
使用Elasticsearch的Snapshot API将其保存到networking中的某个公共驱动器。 我认为这将有性能惩罚…
有没有其他办法来解决这个问题？ 有什么build议吗？ 不幸的是，我没有find关于这种话题的好资源。 非常感谢。
Elasticsearch和NFS不是最好的朋友;-)。 你不想在NFS上运行你的集群，速度太慢，而Elasticsearch在存储速度更好的时候效果会更好。 如果你在这个方程中引入networking，你将会遇到麻烦。 我不知道Docker或Mesos。 但是肯定我推荐反对NFS。 使用快照/恢复。
第一个快照需要一些时间，但其余的快照应该占用更less的空间和更less的时间。 另外请注意，“增量”是指在文件级别增量，而不是文档级别。
快照本身需要所有具有想要快照的索引的初选的节点。 而且这些节点都需要访问公共位置（存储库），以便他们可以写入。 对同一地点的这种普通访问通常不是那么明显，这就是为什么我提到它。
在Mesos上运行Elasticsearch的最好方法是使用专门的Mesos框架。 第一个努力是这个领域是https://github.com/mesosphere/elasticsearch-mesos 。 还有一个更新的项目，即AFAIK，目前正在开发中： https ： //github.com/mesos/elasticsearch 。 我不知道这是什么状态，但是你可能想尝试一下。