Gerenciamento do ciclo de vida de índices
Automatize o envelhecimento dos índices pelas fases quente, morna, fria e de exclusão com políticas ILM, controlando custo e desempenho em grande escala.
Gerenciamento do ciclo de vida de índices é uma aula grátis de Elasticsearch & Full Text Search Systems no CoddyKit. Esta é a aula 4 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de Elasticsearch & Full Text Search Systems, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de Elasticsearch & Full Text Search Systems inclui 4 aulas no total.
Partes desta aula ainda não foram traduzidas e aparecem em inglês.
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.
Aprenda Elasticsearch & Full Text Search Systems com um tutor de IA — grátis
Escreva e execute código real no seu navegador, obtenha ajuda instantânea de um tutor de IA 24/7 e continue de onde parou na web ou no app.
- Cursos
- 12
- Aulas
- 48
Perguntas Frequentes
A aula “Gerenciamento do ciclo de vida de índices” é grátis?
Sim — o texto completo de “Gerenciamento do ciclo de vida de índices” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de Elasticsearch & Full Text Search Systems, atualize para CoddyKit PRO. O curso de Elasticsearch & Full Text Search Systems inclui 4 aulas no total.
O que vou aprender em “Gerenciamento do ciclo de vida de índices”?
Automatize o envelhecimento dos índices pelas fases quente, morna, fria e de exclusão com políticas ILM, controlando custo e desempenho em grande escala. Você pratica Elasticsearch & Full Text Search Systems com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.
Preciso ter experiência prévia para começar Elasticsearch & Full Text Search Systems?
Nenhuma experiência prévia é necessária. Elasticsearch & Full Text Search Systems no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 4 de 4.
Quanto tempo leva a aula “Gerenciamento do ciclo de vida de índices”?
A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.
Posso escrever e executar código nesta aula de Elasticsearch & Full Text Search Systems?
Sim. Cada aula de Elasticsearch & Full Text Search Systems inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.
Todas as aulas deste curso
- Recursos de pesquisa geoespacial
- Gerenciamento de dados de séries temporais
- Estratégias de implantação em produção
- Gerenciamento do ciclo de vida de índices