当前位置:首页 > 文章列表 > 文章 > linux > Linux系统下安装Elasticsearch 常见配置与内存限制处理

Linux系统下安装Elasticsearch 常见配置与内存限制处理

2026-05-05 14:15:36 0浏览 收藏

从现在开始,努力学习吧!本文《Linux系统下安装Elasticsearch 常见配置与内存限制处理》主要讲解了等等相关知识点,我会在golang学习网中持续更新相关的系列文章,欢迎大家关注并积极留言建议。下面就先一起来看一下本篇正文内容吧,希望能帮到你!

启动 Elasticsearch 报 java.lang.OutOfMemoryError: Map failed 的根本原因是 Linux 系统 vm.max_map_count 默认值(65530)低于 ES 推荐值(262144),导致 mmap 区域不足;需执行 sysctl -w vm.max_map_count=262144 并写入 /etc/sysctl.conf 永久生效,若使用 systemd 还需在 override.conf 中配置 LimitMEMLOCK=infinity。

Linux系统下安装Elasticsearch 常见配置与内存限制处理

为什么启动 Elasticsearch 就报 java.lang.OutOfMemoryError: Map failed

这是 Linux 下最典型的内存映射失败错误,根本原因不是堆内存不够,而是 mmap 区域被系统限制了。Elasticsearch 默认启用 bootstrap.memory_lock: true 时,会尝试锁定内存并大量使用 mmap(比如用于索引存储),而 Linux 的 vm.max_map_count 默认值通常只有 65530,远低于 ES 推荐的 262144。

实操建议:

  • 运行 sysctl -w vm.max_map_count=262144 临时生效
  • 写入 /etc/sysctl.conf 永久生效:echo "vm.max_map_count=262144" >> /etc/sysctl.conf && sysctl -p
  • 确认生效:执行 sysctl vm.max_map_count,输出应为 262144
  • 若仍报错,检查是否启用了 systemd 服务 —— 它会覆盖部分 sysctl 设置,需在 /etc/systemd/system/elasticsearch.service.d/override.conf 中加 LimitMEMLOCK=infinity

如何正确设置 ES_JAVA_OPTS 控制堆内存

Elasticsearch 7.0+ 不再推荐修改 jvm.options 文件,而是通过环境变量控制 JVM 参数。直接改配置文件容易被升级覆盖,且无法按实例差异化配置。

实操建议:

  • 不要设堆内存超过物理内存的 50%,更不能超过 32GB(JVM 压缩指针失效点)
  • 推荐组合:ES_JAVA_OPTS="-Xms4g -Xmx4g -XX:+UseG1GC"(例如 8GB 物理内存机器)
  • 把该变量写入 /etc/default/elasticsearch(Debian/Ubuntu)或 /etc/sysconfig/elasticsearch(RHEL/CentOS)
  • 验证是否生效:启动后执行 ps aux | grep elasticsearch | grep -o 'Xms[^ ]*',应看到你设定的值
  • 避免使用 -Xmn 手动调年轻代 —— G1 GC 下由 JVM 自动管理更稳

bootstrap.memory_lock: true 开还是关?

开它意味着 Elasticsearch 尝试用 mlockall 锁住堆内存,防止交换(swap)导致 GC 延迟飙升。但它有硬性前提:必须配合 ulimit -l unlimited,否则启动直接失败,报 memory locking requested but not supported。

实操建议:

  • 仅当系统禁用了 swap(swapoff -a 且注释掉 /etc/fstab 中 swap 行)才建议开启
  • 必须同时配置 LimitMEMLOCK=infinity(systemd)或 ulimit -l unlimited(SysV init)
  • 如果机器内存紧张、或需与其他 Java 服务共存,关掉更稳妥 —— 改用 bootstrap.memory_lock: false + 合理调低堆大小
  • 注意:Docker 容器中默认不支持 mlockall,除非加 --cap-add=IPC_LOCK 和 -e "ES_JAVA_OPTS=-Xms2g -Xmx2g"

为什么配置了 network.host 还是连不上?

ES 默认绑定 127.0.0.1,即使改了 network.host,还可能被 discovery.type 或防火墙卡住。常见现象是 curl 本地能通,远程 curl 超时或拒绝连接。

实操建议:

  • 单节点开发环境务必设 discovery.type: single-node,否则 ES 会等集群发现超时,延迟启动甚至假死
  • network.host 推荐显式写成具体 IP(如 192.168.1.100),避免用 0.0.0.0(不安全)或 localhost(只绑回环)
  • 检查 http.port 是否被占用:ss -tuln | grep :9200
  • CentOS 7+ 默认启用 firewalld:firewall-cmd --add-port=9200/tcp --permanent && firewall-cmd --reload
  • SELinux 若开启,可能拦截 bind:setsebool -P httpd_can_network_bind 1(仅限 RHEL/CentOS)
Elasticsearch 的“配置即运行”假象很危险 —— 表面改几个参数就能跑,但内存锁、mmap 限制、Java 参数加载顺序这些底层机制一旦没对齐,就会在高负载或重启后突然崩。最容易被跳过的其实是 vm.max_map_count 检查和 systemd 的 LimitMEMLOCK 覆盖问题。

今天关于《Linux系统下安装Elasticsearch 常见配置与内存限制处理》的内容就介绍到这里了,是不是学起来一目了然!想要了解更多关于的内容请关注golang学习网公众号!

data-*自定义属性怎么用_存储私有页面数据【详解】data-*自定义属性怎么用_存储私有页面数据【详解】
上一篇
data-*自定义属性怎么用_存储私有页面数据【详解】
为什么Python 3.10中的match-case匹配失效_检查语法缩进与变量模式命名规则
下一篇
为什么Python 3.10中的match-case匹配失效_检查语法缩进与变量模式命名规则
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    256次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    301次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    278次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    257次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    66次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码