Index-Lifecycle-Management
Automatisieren Sie die Alterung von Indizes durch Hot-, Warm-, Cold- und Delete-Phasen mit ILM-Richtlinien, um Kosten und Performance bei großer Skalierung zu steuern.
Index-Lifecycle-Management ist eine kostenlose Elasticsearch & Full Text Search Systems-Lektion auf CoddyKit. Dies ist Lektion 4 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des Elasticsearch & Full Text Search Systems-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der Elasticsearch & Full Text Search Systems-Kurs umfasst insgesamt 4 Lektionen.
Teile dieser Lektion wurden noch nicht übersetzt und werden auf Englisch angezeigt.
Data Gets Old
Time-based data like logs and metrics keeps growing. Recent data is queried constantly; old data rarely. Index Lifecycle Management (ILM) automates moving indices through phases so you spend resources only where they matter.
The Four Phases
ILM defines up to four phases:
- Hot: actively written and queried.
- Warm: no longer written, still queried.
- Cold: rarely queried, kept cheaply.
- Delete: removed.
Rollover
In the hot phase, rollover starts a fresh index when the current one hits a size, document count, or age limit. This keeps individual shards a manageable size.
"rollover": {
"max_size": "50gb",
"max_age": "7d"
}Defining a Policy
An ILM policy lists each phase and its min_age and actions. Here data moves to warm after 7 days and is deleted after 30.
PUT _ilm/policy/logs_policy
{
"policy": { "phases": {
"hot": { "actions": { "rollover": { "max_age": "1d" } } },
"warm": { "min_age": "7d", "actions": {} },
"delete": { "min_age": "30d", "actions": { "delete": {} } }
}}
}Warm Phase Actions
In warm you can shrink the index to fewer shards, forcemerge segments for query efficiency, and move shards to cheaper warm nodes via allocation.
"warm": {
"actions": {
"forcemerge": { "max_num_segments": 1 },
"shrink": { "number_of_shards": 1 }
}
}Cold and Frozen
The cold phase can store data as searchable snapshots on object storage, drastically cutting cost while keeping it queryable. The frozen tier takes this even further for archival data.
Attaching to an Index
A policy is linked to indices through an index template, so newly rolled-over indices inherit it automatically.
PUT _index_template/logs_template
{
"index_patterns": ["logs-*"],
"template": { "settings": {
"index.lifecycle.name": "logs_policy"
}}
}Data Streams
Data streams are the modern way to manage append-only time-series data with ILM. They hide rollover behind a single write alias, so you just index into the stream name.
Monitoring ILM
Use the explain lifecycle API to see which phase each index is in and whether any step is stuck or errored.
GET logs-*/_ilm/explainCost and Performance Wins
ILM lets hot data live on fast SSD nodes while old data drifts to cheap storage and is eventually deleted automatically. This is the backbone of cost-effective, large-scale time-series clusters.
Best Practices
Roll over on size to keep shards near 30-50 GB, forcemerge only once writes stop, test policies on a sample index, and always pair ILM with snapshots for true backups (delete is permanent).
Quick Check
Test your understanding of ILM.
Recap
You learned to automate index aging:
- ILM moves indices through hot, warm, cold, and delete phases by age.
- Rollover keeps shards manageable; warm actions shrink and forcemerge.
- Cold/frozen tiers use searchable snapshots for cheap storage.
- Attach policies via templates, use data streams for time-series, and pair ILM with real snapshots.
Lerne Elasticsearch & Full Text Search Systems mit einem KI-Tutor — kostenlos
Schreibe und führe echten Code in deinem Browser aus, bekomme sofortige Hilfe von einem 24/7 KI-Tutor und setze dein Lernen im Web oder in der App fort.
- Kurse
- 12
- Lektionen
- 48
Häufig gestellte Fragen
Ist die Lektion „Index-Lifecycle-Management“ kostenlos?
Ja — der vollständige Text von „Index-Lifecycle-Management“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des Elasticsearch & Full Text Search Systems-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der Elasticsearch & Full Text Search Systems-Kurs umfasst insgesamt 4 Lektionen.
Was lerne ich in „Index-Lifecycle-Management“?
Automatisieren Sie die Alterung von Indizes durch Hot-, Warm-, Cold- und Delete-Phasen mit ILM-Richtlinien, um Kosten und Performance bei großer Skalierung zu steuern. Du übst Elasticsearch & Full Text Search Systems mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.
Brauche ich Erfahrung, um Elasticsearch & Full Text Search Systems zu starten?
Keine Vorkenntnisse erforderlich. Elasticsearch & Full Text Search Systems auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 4 von 4.
Wie lange dauert die Lektion „Index-Lifecycle-Management“?
Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.
Kann ich in dieser Elasticsearch & Full Text Search Systems-Lektion Code schreiben und ausführen?
Ja. Jede Elasticsearch & Full Text Search Systems-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.
Alle Lektionen in diesem Kurs
- Geospatiale Suchfunktionen
- Verwaltung von Zeitreihendaten
- Strategien für den Produktivbetrieb
- Index-Lifecycle-Management