【Elasticsearch】elasticsearch shard 分片-白红宇

【Elasticsearch】elasticsearch shard 分片

阅读量：512 次

发布时间：2019-03-07

本文共 246 字，大约阅读时间需要 1 分钟。

概述

服务器节点间分片移动是指在运行过程中将已经启动的分片从一个节点重新分配到另一个节点的操作，通常用于手动调整资源分布。

操作

2.1 节点间分片移动

在需要进行节点间分片移动时，请按照以下步骤操作：

调用对应的API端点（如 POST /_cluster/），提供目标节点及其所需分片数量。

确保被移动的分片处于运行状态，避免中途操作。

完成迁移后，建议对源节点和目标节点分别进行性能监控，确保服务正常运行。

该操作适用于需要手动分配资源或重负载均衡的情形，需谨慎执行以防影响系统稳定性。

转载地址：http://ofrjz.baihongyu.com/

你可能感兴趣的文章

OpenCV_ cv2.imshow()

opencv——图像缩放1（resize）

Opencv——模块介绍

OpenCV与AI深度学习 | 2024年AI初学者需要掌握的热门技能有哪些？

OpenCV与AI深度学习 | OpenCV图像拼接--Stitching detailed使用与参数介绍

OpenCV与AI深度学习 | OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测（建议收藏！）

OpenCV与AI深度学习 | SAM2（Segment Anything Model 2）新一代分割一切大模型介绍与使用（步骤 + 代码）

OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测，图像分割，图像分类，姿态检测，带方向目标检测)

OpenCV与AI深度学习 | YOLOv11来了：将重新定义AI的可能性

OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)

OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类

OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪

OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)

OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计

OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测

OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别

OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果

OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测

OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别（数据集 + 源码）

OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割