0Pricing
System Observability: Logging, Metrics & Tracing (ELK + OpenTelemetry) · Pelajaran

Manajemen Siklus Hidup Indeks (ILM)

Kuasai Index Lifecycle Management untuk mengotomatiskan pergantian indeks, arsitektur panas-hangat-dingin, dan retensi agar indeks log tetap cepat serta penggunaan penyimpanan tetap terkendali.

Manajemen Siklus Hidup Indeks (ILM) adalah pelajaran System Observability: Logging, Metrics & Tracing (ELK + OpenTelemetry) gratis di CoddyKit. Ini adalah pelajaran 4 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar System Observability: Logging, Metrics & Tracing (ELK + OpenTelemetry), dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus System Observability: Logging, Metrics & Tracing (ELK + OpenTelemetry) mencakup 4 pelajaran total.

Bagian dari pelajaran ini belum diterjemahkan dan ditampilkan dalam bahasa Inggris.

Why Manage Index Lifecycle?

Time-series data like logs grows endlessly. Index Lifecycle Management (ILM) automates moving, shrinking, and deleting indices so old data does not crush your cluster.

Rollover

Rollover creates a new index when the current one hits a size, age, or document count threshold. Writes always go to a single alias.

rollover:
  max_size: 50gb
  max_age: 1d
  max_docs: 100000000

Write Aliases

Apps write to an alias such as logs-write. ILM swaps which physical index the alias points to on rollover, invisible to the writer.

POST logs-write/_doc
{ "message": "..." }

The Phases

ILM defines lifecycle phases a data ages through.

  • Hot: actively written and queried
  • Warm: read-only, queried less
  • Cold: rarely queried, cheap storage
  • Delete: removed

Hot Phase

The hot phase lives on the fastest nodes with the most resources, handling all writes and recent queries.

phases:
  hot:
    actions:
      rollover: { max_age: 1d }

Warm Phase

In warm, indices become read-only and may move to cheaper nodes. You can shrink shards and force-merge segments to save space.

warm:
  min_age: 7d
  actions:
    forcemerge: { max_num_segments: 1 }
    shrink: { number_of_shards: 1 }

Cold and Frozen

Cold data moves to the cheapest disks; frozen can be searched directly from object storage. Both trade query speed for cost.

cold:
  min_age: 30d
  actions:
    allocate: { require: { data: cold } }

Delete Phase

The delete phase enforces retention by removing indices past a chosen age, the simplest way to cap storage growth.

delete:
  min_age: 90d
  actions:
    delete: {}

Attaching a Policy

An index template binds new indices to an ILM policy and the write alias automatically.

PUT _index_template/logs
{ "template": { "settings": {
  "index.lifecycle.name": "logs-policy" } } }

Node Roles

Hot-warm-cold relies on node attributes so allocation actions can route shards to the right hardware tier.

node.attr.data: hot   # on fast nodes
node.attr.data: cold  # on cheap nodes

Putting It Together

A typical logging policy: roll over daily in hot, move to warm and force-merge after a week, go cold after a month, and delete after ninety days.

Quick Check

Pick the phase that enforces retention.

Recap

You learned how ILM automates index management: rollover starts fresh indices behind a write alias, and the hot-warm-cold-delete phases move data to cheaper tiers as it ages and finally remove it. Index templates bind policies automatically, keeping clusters fast and storage bounded.

Pertanyaan yang Sering Diajukan

Apakah pelajaran “Manajemen Siklus Hidup Indeks (ILM)” gratis?

Ya — teks lengkap “Manajemen Siklus Hidup Indeks (ILM)” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus System Observability: Logging, Metrics & Tracing (ELK + OpenTelemetry), upgrade ke CoddyKit PRO. Kursus System Observability: Logging, Metrics & Tracing (ELK + OpenTelemetry) mencakup 4 pelajaran total.

Apa yang akan aku pelajari di “Manajemen Siklus Hidup Indeks (ILM)”?

Kuasai Index Lifecycle Management untuk mengotomatiskan pergantian indeks, arsitektur panas-hangat-dingin, dan retensi agar indeks log tetap cepat serta penggunaan penyimpanan tetap terkendali. Kamu berlatih System Observability: Logging, Metrics & Tracing (ELK + OpenTelemetry) dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.

Apakah aku perlu pengalaman untuk memulai System Observability: Logging, Metrics & Tracing (ELK + OpenTelemetry)?

Tidak diperlukan pengalaman sebelumnya. System Observability: Logging, Metrics & Tracing (ELK + OpenTelemetry) di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 4 dari 4.

Berapa lama pelajaran “Manajemen Siklus Hidup Indeks (ILM)” memakan waktu?

Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.

Bisakah aku menulis dan menjalankan kode dalam pelajaran System Observability: Logging, Metrics & Tracing (ELK + OpenTelemetry) ini?

Ya. Setiap pelajaran System Observability: Logging, Metrics & Tracing (ELK + OpenTelemetry) menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.

Semua pelajaran dalam kursus ini

  1. Bahasa Kueri Elasticsearch (DSL)
  2. Filter dan Alur Logstash
  3. Discover dan Lens di Kibana
  4. Manajemen Siklus Hidup Indeks (ILM)
← Kembali ke System Observability: Logging, Metrics & Tracing (ELK + OpenTelemetry)