Gestion du cycle de vie des index
Automatisez le vieillissement des index à travers les phases hot, warm, cold et delete avec des politiques ILM, afin de maîtriser les coûts et les performances à grande échelle.
Gestion du cycle de vie des index est une leçon Elasticsearch & Full Text Search Systems gratuite sur CoddyKit. Ceci est la leçon 4 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage Elasticsearch & Full Text Search Systems, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours Elasticsearch & Full Text Search Systems comprend 4 leçons au total.
Certaines parties de cette leçon n'ont pas encore été traduites et s'affichent en anglais.
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.
Questions Fréquemment Posées
La leçon « Gestion du cycle de vie des index » est-elle gratuite ?
Oui — le texte complet de « Gestion du cycle de vie des index » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours Elasticsearch & Full Text Search Systems, passe à CoddyKit PRO. Le cours Elasticsearch & Full Text Search Systems comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « Gestion du cycle de vie des index » ?
Automatisez le vieillissement des index à travers les phases hot, warm, cold et delete avec des politiques ILM, afin de maîtriser les coûts et les performances à grande échelle. Tu pratiques Elasticsearch & Full Text Search Systems avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer Elasticsearch & Full Text Search Systems ?
Aucune expérience préalable n'est requise. Elasticsearch & Full Text Search Systems sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 4 sur 4.
Combien de temps prend la leçon « Gestion du cycle de vie des index » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon Elasticsearch & Full Text Search Systems ?
Oui. Chaque leçon Elasticsearch & Full Text Search Systems inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- Fonctionnalités de recherche géospatiale
- Gestion des données de séries temporelles
- Stratégies de déploiement en production
- Gestion du cycle de vie des index