转载请在文首保留原文出处：EMC中文支持论坛https://community.emc.com/go/chinese                         

Data Protection Search (DPSearch) 是一个可扩展、容错的索引编制和搜索虚拟应用装置。DPSearch 提供了一种快速且功能强大的方式，跨一个或多个 Avamar 和/或 NetWorker 服务器搜索备份数据，然后恢复或下载搜索结果。计划的收集活动用于收集备份的元数据和/或内容并进行索引编制，然后您可将其存储在 DPSearch 节点或群集。

Data Protection Search 安装规划和考虑事项

在规划 Data Protection Search 部署时，有大量的因素要考虑。

是否需要复制副本

Elasticsearch 提供自动复制索引的能力。自动处理复制和故障切换。如果您计划只使用一个 Data Protection Search 节点，并且不需要复制，则将复制副本的数量更改为 0，以防止 Elasticsearch 群集和索引在控制面板上显示黄色的警告图标。

注意：

如果有多个节点，我们强烈建议您不要将复制副本设置为 0。如果没有复制副本，则故障切换无法实现。

Data Protection Search 群集中必须至少有多个复制副本以及一个索引主节点或数据节点。为复制添加更多索引数据节点可提高搜索性能。

索引需要多少空间

索引所需的空间差异很大，具体情况取决于多种因素：

·         仅限元数据索引编制还是完整内容索引编制

·         对于完整内容索引编制，您必须考虑要进行索引编制的文件的大小和类型

·         对于元数据索引编制，必须特别考虑文件名和路径名称的长度

·         重复数量（出现在多个备份中的未更改的文件）

·         复制

对于仅限元数据索引编制，在重复率为 80% 的情况下，每条备份记录可能大约占用 100 至 200 个字节的空间。在不可能出现的零重复的情况下（即，全部都是唯一的文件），所占用空间的平均值会上升到 400 至 600 个字节。

对于完整内容索引编制，范围通常更广泛。大型多媒体文件在索引中占用非常小的空间，而小文档则使用大得多的空间。在具有重复率达到 80% 的典型数据集的情况下，每条备份记录可能占用 1 KB 至 4 KB。在零重复的情况下，所占用空间的平均值可能会上升到 15 KB 至 30 KB 或更多。

基于索引编制的内存使用量

                             

	备份记录
	10亿	50亿	100亿	200亿
“仅限元数据索引编制”
100字节	93GB	466GB	931GB	1.9TB
200字节	186GB	931GB	1.9TB	3.7TB
“完整内容索引编制”
1KB	854GB	4.8TB	9.5TB	19TB
4KB	3.8TB	12TB	38TB	76TB

索引随着时间的推移会增长到多大？

如果活动设置为循环（每天），DPSearch 会在新的备份/存储集创建时继续处理它们。这会导致将新的或修改的项目添加到索引中，并且为自先前备份起未改变的项目添加引用。

当备份到期或删除后，将从索引中删除不再在该客户端的任何备份中的任意项目。这由每日垃圾数据收集以及每月对帐作业进行管理。

特定客户端的索引大小起初会不断增大，直到所有当前备份（例如，30 天的每月备份保留）都在索引中为止。然后，索引大小将稳定下来，并且其增长情况与该客户端上的数据增长相符。添加更多客户端会增大索引的大小。

在索引属性中查看索引的大小。可以删除索引以回收空间。

搜索将需要多长时间？

DPSearch/Elasticsearch 框架运行速度非常快，搜索所需的时间通常不到一秒钟。但是，随着索引中的项目数增加，搜索速度通常也会受到影响，特别是在单个节点上更是如此。一般来说，搜索范围越广泛，大索引带来的影响就越大。

可能执行的最广泛的搜索是跨所有索引的通配符 (*) 搜索。即使有数亿已编制索引的项目，这仍可以在数秒内完成，但随着项目数上升到数十亿时，此类广泛的搜索可能会在完成之前就超时了。

建议使用筛选器以尽可能缩小搜索范围。在具有 150 亿条备份记录（15 亿个唯一文件）的单节点环境中，通配符 (*) 搜索可能要花费 30 至 60 秒钟，而由关键字、类型和客户端筛选的搜索所需的时间可能不到一秒钟。由于数百万或数十亿个结果并没有用，因此我们建议使用筛选器。

注意：对于静态索引，广泛搜索速度较快，但如果在搜索期间正在进行索引编制，则此类搜索速度会较慢。

搜索中的可视化筛选器会受到大量项目影响。可视化筛选器要求聚集来自当前搜索的匹配项目。这需要大量的内存和时间。筛选器可缩小将要聚集的结果的范围，以减少对内存和时间的影响。如果可视化筛选器未能及时完成（在 10 秒钟内），则当前结果将显示，并且随附警告消息，指示结果不完整。