《Elasticsearch 集群》系列，共包含以下文章：
- 1️⃣ 冷热集群架构
- 2️⃣ 合适的锅炒合适的菜：性能与成本平衡原理公式解析
- 3️⃣ ILM（Index Lifecycle Management）策略详解
- 4️⃣ Elasticsearch 跨机房部署
- 5️⃣ 快照与恢复功能详解
- 6️⃣ Elasticsearch 快照恢复 API 参数详解
- 7️⃣ 安全地删除快照仓库、快照
- 8️⃣ 快照生命周期管理 SLM（理论篇）
- 9️⃣ 快照生命周期管理 SLM（实战篇）
- 🔟 跨集群检索（Cross-Cluster Search）
😊 如果您觉得这篇文章有用 ✔️ 的话，请给博主一个一键三连 🚀🚀🚀 吧 （点赞 🧡、关注 💛、收藏 💚）！！！您的支持 💖💖💖 将激励 🔥 博主输出更多优质内容！！！
快照生命周期管理 SLM（理论篇）
- 1.快照生命周期管理（SLM）
- 2.索引生命周期管理（ILM）
- 3.SLM 与 ILM 的核心区别
- 3.1 管理目标不同
- 3.2 操作对象不同
- 3.3 策略驱动因素不同
- 3.4 典型使用场景
- 4.协同工作场景
- 5.总结对比表
1.快照生命周期管理（SLM）
SLM（Snapshot Lifecycle Management）是 Elasticsearch 中 自动化管理索引快照的策略，用于定期创建集群快照、定义保留策略，确保灾难恢复能力。
核心功能：
- 定时创建快照（如每天凌晨2点）
- 自动清理旧快照（保留最近30天，删除更早版本）
- 跨仓库管理（支持本地/云存储如 AWS S3、Azure Blob）
提出背景：
- 手动备份低效：大规模集群需备份数百个索引，人工操作易遗漏。
- 存储成本失控：历史快照堆积占用大量云存储空间。
- RTO / RPO 需求：业务要求明确恢复时间点（如最多丢失 1 小时数据）。
解决的问题：
- ✅ 自动化备份 → 减少人工干预
- ✅ 精确保留策略 → 降低存储成本
- ✅ 保障可恢复性 → 满足 SLA 要求
2.索引生命周期管理（ILM）
ILM（Index Lifecycle Management）是 Elasticsearch 中 自动化管理索引生命周期的策略，根据年龄、大小等条件将索引动态迁移到不同性能/成本的存储层。
生命周期阶段：
| 阶段 | 操作 | 典型配置 |
|---|---|---|
| Hot | 高频读写（SSD存储） | rollover（达 50GB 切新索引） |
| Warm | 低频查询（HDD存储） | shrink（减少分片数） |
| Cold | 极少访问（低成本存储） | freeze（冻结索引） |
| Delete | 删除过期数据 | delete（保留 30 天后删除） |
提出背景：
- 性能与成本矛盾：新索引需高性能（SSD），旧索引可存于廉价存储。
- 手动轮转低效：人工迁移索引易出错，尤其日志类应用（如 Filebeat 日增数百索引）。
- 存储优化需求：冷数据无需占用高价存储资源。
解决的问题：
- ✅ 存储分层优化 → 降低硬件成本
- ✅ 自动索引轮转 → 提升集群稳定性
- ✅ 资源按需分配 → 平衡性能与成本
3.SLM 与 ILM 的核心区别
3.1 管理目标不同
| 维度 | SLM | ILM |
|---|---|---|
| 焦点 | 数据备份与恢复（快照副本） | 索引存储优化（原始数据分层） |
| 本质 | 灾备机制 | 资源调度机制 |
3.2 操作对象不同
| 类型 | SLM | ILM |
|---|---|---|
| 操作目标 | 集群快照（.snapshot 文件） | 原始索引（如 logs-2023-10-01-000001） |
| 存储位置 | 外部仓库（S3 / HDFS / NFS） | 集群内部节点（Hot / Warm / Cold 数据节点） |
3.3 策略驱动因素不同
| 策略类型 | SLM | ILM |
|---|---|---|
| 触发条件 | 时间计划（Cron 表达式） | 索引年龄 / 大小 / 文档数 |
| 关键动作 | create_snapshot，delete_snapshot | rollover，shrink，freeze，delete |
3.4 典型使用场景
| 场景 | SLM 示例 | ILM 示例 |
|---|---|---|
| 日志管理 | 每日备份所有索引到 S3 | 7 天内日志存 Hot 节点（SSD），30 天后删除 |
| 安全合规 | 保留审计日志快照 5 年 | 合规数据在 Cold 阶段保留 1 年后删除 |
4.协同工作场景
两者通常配合使用以实现完整数据治理：
- ILM 管理在线数据
- SLM 管理离线备份
协同价值：
- ILM 删除原始索引后，SLM 仍保留其快照（满足长期归档需求）。
- 恢复时：先从 SLM 快照还原，再由 ILM 自动分配到合适存储层。
5.总结对比表
| 特性 | SLM | ILM |
|---|---|---|
| 英文全称 | Snapshot Lifecycle Management | Index Lifecycle Management |
| 核心目标 | 数据备份与恢复 | 索引存储分层与优化 |
| 操作对象 | 集群快照（副本） | 原始索引（数据本身） |
| 关键操作 | 创建 / 删除快照 | Rollover / Shrink / Freeze / Delete |
| 存储位置 | 外部仓库（如 S3） | 集群内部节点（Hot / Warm / Cold） |
| Elasticsearch API | PUT _slm/policy/daily_backups | PUT _ilm/policy/logs_policy |
✅ 一句话区分：
- ILM 管理 “活数据”（在线索引如何存储和迁移），SLM 管理 “数据备份”（如何保存和恢复快照）。
- 协同关系：ILM 负责数据的 “生老病死”，SLM 负责 “拍遗照留念” 以备恢复。
两者共同构成 Elasticsearch 数据治理的核心框架，建议在大型生产环境中配合使用。
)
