Elastic Cloud on Kubernetes (ECK) 中配置 Azure 快照存储库的实践指南
背景介绍
在使用 Elastic Cloud on Kubernetes (ECK) 管理 Elasticsearch 集群时,配置 Azure Blob Storage 作为快照存储库是一个常见的需求。然而,这一过程可能会遇到各种配置问题,特别是在使用 Azure Workload Identity 进行身份验证时。
常见问题分析
在 Elasticsearch 8.14 版本中,用户经常会遇到两类典型错误:
-
客户端配置错误:表现为"Unable to find client with name [default]"的错误信息,这通常是由于 Azure 客户端配置不完整导致的。
-
插件加载失败:Elasticsearch 容器启动时崩溃,日志显示"failed to load plugin class [org.elasticsearch.repositories.azure.AzureRepositoryPlugin]",这往往与身份验证凭据缺失有关。
解决方案详解
版本兼容性注意事项
首先需要明确的是,Azure Workload Identity 仅在 Elasticsearch 8.16 及以上版本中完全支持。对于 8.14 版本,需要采用传统的账户密钥认证方式。
完整配置步骤
1. 基础配置
对于 Elasticsearch 8.14,必须显式配置账户凭据:
apiVersion: elasticsearch.k8s.elastic.co/v1
kind: Elasticsearch
metadata:
name: es-cluster
spec:
version: 8.14.0
secureSettings:
- secretName: azure-account-secret
对应的 Secret 应包含:
kubectl create secret generic azure-account-secret \
--from-literal=azure.client.default.account=<STORAGE_ACCOUNT_NAME> \
--from-literal=azure.client.default.key=<STORAGE_ACCOUNT_KEY>
2. 使用 Workload Identity 的配置(8.16+)
对于支持 Workload Identity 的版本,配置更为简洁:
nodeSets:
- name: master
count: 2
podTemplate:
metadata:
labels:
azure.workload.identity/use: "true"
spec:
serviceAccountName: "elasticsearch-sa"
containers:
- name: elasticsearch
env:
- name: AZURE_CLIENT_ID
valueFrom:
secretKeyRef:
name: azure-identity-secret
key: clientId
- name: AZURE_TENANT_ID
valueFrom:
secretKeyRef:
name: azure-identity-secret
key: tenantId
- name: AZURE_FEDERATED_TOKEN_FILE
value: /usr/share/elasticsearch/config/azure/tokens/azure-identity-token
volumeMounts:
- name: azure-identity-token
mountPath: /usr/share/elasticsearch/config/azure/tokens
3. 关键配置要点
-
令牌文件位置:Azure 联合令牌必须挂载到 Elasticsearch 容器的
/usr/share/elasticsearch/config
目录下,这是 Elasticsearch 查找配置的标准路径。 -
环境变量:必须正确设置
AZURE_CLIENT_ID
、AZURE_TENANT_ID
和AZURE_FEDERATED_TOKEN_FILE
环境变量。 -
服务账户:确保 Pod 使用了正确的服务账户,并且该账户已配置 Workload Identity 联合凭证。
验证与测试
配置完成后,可以通过以下 API 验证快照存储库:
PUT _snapshot/my_azure_repo
{
"type": "azure",
"settings": {
"container": "my-backup-container"
}
}
成功的响应应返回确认信息,而非错误消息。
最佳实践建议
-
版本选择:尽可能使用 Elasticsearch 8.16 或更高版本,以获得对 Workload Identity 的完整支持。
-
权限隔离:为快照操作使用专用的存储账户和容器,遵循最小权限原则。
-
监控配置:定期检查快照作业状态,确保配置持续有效。
-
备份策略:结合 Elasticsearch 的快照生命周期管理(SLM)功能,实现自动化备份。
通过以上配置和最佳实践,可以在 ECK 上稳定地使用 Azure Blob Storage 作为 Elasticsearch 快照存储库,确保数据的安全性和可恢复性。
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0264cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选









