Elasticsearch & Full Text Search Systems · Ders

İndeks Yaşam Döngüsü Yönetimi

Maliyet ve performansı büyük ölçekte denetlemek için ILM politikalarıyla indekslerin etkin, ılık, soğuk ve silme aşamalarından geçişini otomatikleştirin.

İndeks Yaşam Döngüsü Yönetimi, CoddyKit'te ücretsiz bir Elasticsearch & Full Text Search Systems dersidir. Bu, 4 dersinin 4. dersidir. Aşağıdan dersin tamamını ücretsiz okuyabilir, sonra tarayıcıda yerleşik kod editörü ve 7/24 yapay zeka koçu ile uygulamalı olarak pratik yapabilirsin. Bu, Elasticsearch & Full Text Search Systems öğrenme yolunun bir parçasıdır ve ilerlemeniz web ve CoddyKit uygulaması arasında senkronize olur. Elasticsearch & Full Text Search Systems kursu toplamda 4 dersten oluşur.

Bu dersin bazı bölümleri henüz çevrilmemiş olup İngilizce olarak gösterilmektedir.

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/explain

Cost 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.

Sıkça Sorulan Sorular

“İndeks Yaşam Döngüsü Yönetimi” dersi ücretsiz mi?

Evet — “İndeks Yaşam Döngüsü Yönetimi” dersin tüm metni burada web'de ücretsiz olarak okunabilir. Etkileşimli olarak pratik yapmak (yerleşik kod editörü ve 7/24 yapay zeka koçu) ve Elasticsearch & Full Text Search Systems kursunun geri kalanını açmak için CoddyKit PRO'ya yükselt. Elasticsearch & Full Text Search Systems kursu toplamda 4 dersten oluşur.

“İndeks Yaşam Döngüsü Yönetimi” dersinde ne öğreneceğim?

Maliyet ve performansı büyük ölçekte denetlemek için ILM politikalarıyla indekslerin etkin, ılık, soğuk ve silme aşamalarından geçişini otomatikleştirin. Elasticsearch & Full Text Search Systems ile uygulamalı kodu tarayıcıda doğrudan çalıştırarak pratik yaparsın ve 7/24 yapay zeka koçu dersi çalışırken sorularını yanıtlar.

Elasticsearch & Full Text Search Systems öğrenmeye başlamak için deneyim gerekli mi?

Önceden deneyim gerekmez. CoddyKit'te Elasticsearch & Full Text Search Systems, başlangıçtan ileri seviyeye kadar yapılandırıldığı için buradan başlayabilir veya başından başlayıp kendi hızında ilerleme yapabilirsin. Bu, 4 dersinin 4. dersidir.

“İndeks Yaşam Döngüsü Yönetimi” dersi ne kadar sürer?

Çoğu CoddyKit dersi yaklaşık 5–10 dakika sürer. Her biri kısa ve etkileşimli olduğu için sabit ilerleme yaparsın ve web ile uygulama arasında tam olarak bıraktığın yerden devam edebilirsin.

Bu Elasticsearch & Full Text Search Systems dersinde kod yazıp çalıştırabilir miyim?

Evet. Her Elasticsearch & Full Text Search Systems dersi yerleşik bir kod editörü içerir, bu sayede tarayıcıda gerçek kod yazıp çalıştırabilir ve anlık yapay zeka geri bildirimi alırsın — yerel kurulum gerekli değildir.

Bu kursun tüm dersleri

← Elasticsearch & Full Text Search Systems Sayfasına Dön