【Elasticsearch7.0】之其他配置

es还有其他一些设置，接下来看看其他的配置：

索引生命周期管理配置

这些索引级ILM设置通常通过索引模板配置。

index.lifecycle.name

用于管理索引的策略的名称。

index.lifecycle.rollover_alias

当索引滚动时要更新的索引别名，指定何时使用包含滚动操作的策略，当索引滚动时，别名将被更新，以反映索引不再是写索引。

许可证设置

可以在elasticsearch.yml里面配置许可证：

xpack.license.self_generated.type

设置为basic(默认)以启用基本的X-Pack特性。如果设置为试用版，自生成许可只允许在30天内访问x-pack的所有功能，如果需要，稍后可以将集群降级为基本许可证。

机器学习设置

默认是开启机器学习设置的。
注意：机器学习使用SSE4.2指令，因此只能在cpu支持SSE4.2的机器上运行。如果在旧的硬件上运行Elasticsearch，那么需要设置xpack.ml.enabled为false。
以下所有配置都可以在elasticsearch.yml里面配置，也可以通过cluster update settings接口进行动态配置。

普通的机器学习设置

node.ml
将该节点设置为true(默认值)，以将其标识为机器学习节点。在elasticsearch.yml里面设置为false，那么该节点不能运行任务，如果设置为了true，xpack.ml.enabled被设置为false，那么node.ml将被忽略并且不能运行任务，如果你想要使用机器学习，那么集群中必须要有一个机器学习节点。
注意：在专用协调节点或专用主节点上，关闭node.ml功能。

xpack.ml.enabled
设置为true(默认值)，以便在节点上启用机器学习。如果设置了false，那么在节点上将不能使用机器学习api。因此，节点无法打开job、启动datafeed或接收与机器学习api相关的传输(内部)通信请求。它还影响了连接到Elasticsearch实例的所有Kibana实例，你不需要禁用机器学习在kibana.yml文件中。注意：如果你需要使用机器学习语言，那么需要在所有集群主节点中设置xpack.ml.enabled为true。

xpack.ml.max_machine_memory_percent
机器学习可能用于运行分析进程的机器内存的最大百分比。(这些进程独立于Elasticsearch JVM。)默认是30%，限制是基于机器的总内存，而不是当前空闲内存。如果这样做会导致机器学习job的内存使用超过限制，则不会将job分配给节点。

xpack.ml.max_model_memory_limit
可以为该节点上的任何job设置最大model_memory_limit属性值，如果试图创建一个model_memory_limit属性值大于该设置值的job，则会发生错误。

xpack.ml.max_open_jobs
可在节点上运行的job最大数量。默认是20，job的最大数量也受到内存使用的限制，因此，如果job的估计内存使用高于允许的值，则在节点上运行的job将少于此设置指定的job。

xpack.ml.node_concurrent_job_allocations
每个节点上可以同时处于打开状态的job最大数量，通常情况下，工作在进入开放状态之前会在这个状态中花费一小段时间，当大型模型打开时，必须恢复它们的job会在打开状态中花费更多的时间，默认为2。

高级机器学习设置

以下是高级设置，一般情况下适用面普通的设置就够了。
xpack.ml.enable_config_migration
保留属性

xpack.ml.max_anomaly_records
每个bucket输出的最大记录数，默认值是500。

xpack.ml.max_lazy_ml_nodes
机器学习节点的数目。在第一个机器学习job打开之前不需要ML节点的情况下非常有用。它默认为0，最大可接受值为3。如果当前ML节点的数量是>=这个设置，那么假定没有更多的空闲节点可用，因为所需的节点数量已经准备好了。当job打开时，设置为>0，并且没有节点可以接受该job，那么该job将一直处于打开状态，直到集群中添加了一个新的ML节点，并分配该job在该节点上运行。注意：此设置假定某些外部进程能够向集群添加ML节点。此设置仅在与此类外部进程一起使用时才有用。

sql访问设置

默认情况下启用SQL访问，可以在elasticsearch.yml文件中配置。
xpack.sql.enabled
设置为false以禁用节点上的SQL访问。