天翼云云搜索服务，支持根据业务需求，灵活选择合适的实例配置。我们根据天翼云搜索团队丰富的实际业务经验，在此提供一些搜索引擎常见使用场景下，配置选择的建议。您可以根据业务的读写请求、数据存算和搜索与分析等需求进行参考。当然，也需要您根据业务的实际使用情况逐步去探索。

实例版本：

我们同时提供Elasticsearch和OpenSearch两种选择。

天翼云基于Elasticsearch7.10.2，默认搭配同版本的Kibana使用，并在开源版本做了大量的能力增强，包括压缩算法、中文分词、SQL兼容、异步搜索、向量检索、跨实例复制、索引管理、拼音分词、简繁体转换、HDFS存储等，并进行了安全漏洞修复、BUG修复、性能优化等。

天翼云OpenSearch基于OpenSearch2.19.1版本打造，默认搭配同版本OpenSearch Dashboards使用。在开源版本的基础上也做了大量的能力增强和优化，包括中文分词优化、流量控制、监控告警、对象存储适配、拼音分词、简繁体转换等。

规划实例可用区

天翼云云搜索服务支持多可用区部署，多可用区部署可以在某个可用区全部不可用的情况下，保证实例的主节点可正常选举，从而为防止数据丢失，并确保在服务中断情况下能降低实例的停机时间，最终能增强实例的健壮性和高可用性。

Elasticsearch/OpenSearch 实例中，主节点（Master Node）负责管理集群元数据（如索引分片分配、节点状态等）。主节点通过选举产生，遵循​​过半原则​​（Quorum），即候选节点需要获得超过半数的投票才能成为主节点。

​​奇数节点原则​​：若主节点部署在 3 个可用区（AZ），每个可用区部署 1 个主节点，则总数为奇数。当单个可用区故障时，剩余两个可用区的节点仍可形成多数票（2/3 > 50%），确保选举出新的主节点。

​​避免脑裂​​：跨可用区部署主节点时，若网络分区导致节点间通信中断，奇数节点设计能确保只有一个子集群满足过半条件，避免多个主节点同时存在的脑裂问题。

天翼云云搜索服务支持单AZ部署和多AZ部署，如果用户需要某个AZ不可用时，实例仍然可以提供服务，那就需要多AZ部署。

在跨三个AZ部署中，为了保证其中任意一个AZ不可用时，剩余的AZ可以继续提供服务，因此索引的副本数至少要为1个。

计算节点选型：

目前支持的节点规格如下，不同资源池支持在售机型不同，云搜索服务会根据产品规划需要适时调整在售机型，请以购买页可见机型为准：

通用型云主机适用场景：适合平衡型场景，适用于大多数通用搜索和分析任务。当实例需要处理中等规模的数据集，并且查询和索引操作相对平衡时，这种比例可以提供足够的处理能力和内存资源。

计算型云主机适用场景：适合CPU密集型操作，如需要进行大量数据聚合或实时分析的场景。当查询操作非常复杂，需要进行大量的数据计算和聚合时，较高的CPU资源可以提高处理速度。

内存型云主机适用场景：适合内存密集型操作，如大量数据的索引和搜索。当数据集较大，需要频繁进行全文搜索或复杂查询时，较高的内存可以提高缓存效率，减少磁盘I/O操作。

基础型云主机

增强型云主机

海光云主机

海光4云主机

鲲鹏云主机

飞腾云主机

存储容量规划

副本数量：副本有利于增加数据的可靠性，但同时会增加存储成本。默认和建议的副本数量为1。

压缩比：Elasticsearch和OpenSearch通常可以将数据压缩20~30%，因此，1GB原始数据-> 1*1.2(Json转换因子)*0.8(压缩) -> 0.96压缩比。

磁盘空间使用率：一般建议为70%。

索引开销：可以使用cat/indices?v API 和 __pri.store.size_ 值计算确切的开销计算，通常比源数据大10%。

操作系统预留空间：默认操作系统会保留5%的文件系统供您处理关键流程、系统恢复以及防止磁盘碎片化问题等。

因此，存储容量 = 源数据 * (1 + 副本数量) * 0.96 / （1 - 磁盘使用率）*（1 *索引开销）*（1 *预留空间） ≈ 源数据 * 2 * 0.96 / 0.7 *1.1 *1.05 = 源数据*3.168。根据原始数据大小，至少要预留大概3倍以上的空间。

数据节点数量规划

实例建议最大节点数 = 单节点 CPU * 5。

单节点磁盘最大容量：

• 搜索类场景：单节点磁盘最大容量 = 单节点内存大小（GB）* 10。

• 日志类等场景：单节点磁盘最大容量 = 单节点内存大小（GB）* 50。

• 通用类等场景：单节点磁盘最大容量 = 单节点内存大小（GB）* 30。

综上，示例节点数量规划如下：

实际场景举例

如：每天大概有500GB的日志数据写入，日志数据需要在线保存7天。根据存储容量规划公式，500GB的原始数据需要1500GB的磁盘空间。7天就是10TB。16 核 64G的数据节点单节点磁盘最大容量（日志）为2TB，所以需要购买5台规格为16 核 64G+2TB存储的Elasticsearch/OpenSearch实例。

规划节点类型

在订购天翼云云搜索服务时，正确规划集群节点类型非常重要。

目前天翼云云搜索服务支持数据节点、专属master节点、专属协调节点、冷数据节点四种节点类型。

数据节点

数据节点就是Elasticsearch/OpenSearch的data节点。数据节点是实例的核心数据存储和计算单元，负责分片存储、索引/搜索执行、聚合计算等基础操作。如果没有购买专属master节点，数据节点也会承担master节点的工作。

专属master节点

专属master节点负责集群元数据管理、分片分配、节点状态监控等核心控制任务，不存储数据。

​​部署必要性​​

​​小型实例（≤10节点）​​：可不单独配置Master节点，由普通节点兼任。

​​中大型集群实例：必须独立部署，避免元数据操作与数据计算争抢资源导致性能抖动。

​​高可用配置​​

​​数量要求​​：至少3个且为奇数，防止单点故障和脑裂问题。

​​规格建议​​：选择低配机型（如 esearch-4c16g），因其不参与数据计算，资源消耗较低。

专属协调节点

接收用户请求并分发至数据节点，汇总结果返回客户端，缓解数据节点的负载压力。

​​适用场景​​

• 高并发查询（如电商大促、实时监控）。

• 复杂聚合请求（如多维度分析、嵌套查询）。

部署策略​​

​​独立部署​​：与数据节点分离，避免请求分发占用数据节点的CPU/内存资源。

​​负载均衡​​：如果开通了ELB服务，可将ELB服务配置到专属协调节点，从而将流量均匀分配至多个协调节点。

协调节点规格建议购买较高规格的机型，比如esearch-8c32g。

冷数据节点

冷数据节点是面向历史数据存储的专用节点类型，用于存储访问频率低、响应时效要求较宽松的冷数据（如超过30天的日志、归档业务数据等）。通过将冷热数据分离，可实现存储成本优化与查询效率的平衡。

适用场景 

• 历史数据归档（如超过半年的交易记录、审计日志）。

• 低频访问数据（如季度/年度报表、备份索引）。

• 存储成本敏感型业务（需降低高性能节点资源占比）。

存储介质选择 

建议选择大容量较低规格的存储类型，适合冷数据长期保存。

容量规划 

冷节点存储容量建议为热节点的3-5倍，例如：

热节点配置500GB SSD存储，冷节点配置2TB HDD存储。

可通过生命周期管理策略自动迁移超期索引。

标签管理 

冷节点默认携带node.attr.tag: stale标签，支持指定新创建索引到冷数据节点或者对已创建索引动态迁移：

PUT /historical_logs/_settings {

  "index.routing.allocation.require.tag": "stale"

}

规划实例安全模式

实例的安全模式主要分为http模式和https模式。

• http模式：适合通过内网访问实例的场景，通过http协议明文传输数据。

• https模式：适合需要公网访问实例的场景。

实例订购时默认开通https模式。如果需要使用http模式，可在实例开通完成后，在安全设置页面修改为http访问。

不管http模式还是https模式，都必须通过用户名密码才能访问Elasticsearch/OpenSearch集群。

管理员账户名默认为admin，密码为创建集群时设置的管理员密码。

规划索引分片数

适用场景

• 日志类，写入频繁，查询较少，单个分片 30G 左右。

• 搜索类，写入少，查询频繁，单个分片不超过 20G。

每个 Elasticsearch 索引被分为多个分片，数据按哈希算法打散到不同的分片中。由于索引分片的数量影响读写性能和故障恢复速度，建议提前规划。

分片使用概要

在单节点上，最大分片数量为 1000。单个分片大小尽量保持在 10-50G 之间为最佳体验，一般推荐在 30G 左右。分片过大可能使故障恢复速度变慢，分片过小可能导致非常多的分片，因为每个分片会使用占用一些 CPU 和内存，从而导致读写性能和内存不足的问题。

当分片数量超过数据节点数量时，建议分片数量接近数据节点的整数倍，便于将分片均匀的分布到数据节点中。