Pesquisar com OpenSearch Clusters
O OCI Search com OpenSearch permite criar clusters OpenSearch para suas soluções de pesquisa.
Depois de criar seu cluster OpenSearch, o serviço Search with OpenSearch trata a maior parte do gerenciamento e das operações de clusters de pesquisa, incluindo operações como atualizações de segurança, upgrades, redimensionamento e backups programados.
Você pode executar as seguintes tarefas de cluster OpenSearch:
Listar os clusters OpenSearch em um compartimento.
Crie um novo cluster OpenSearch.
Obtenha os detalhes de uma instância OpenSearch.
Renomear um cluster OpenSearch.
Redimensione um cluster OpenSearch.
Fazendo Upgrade da Pesquisa com o Software de Cluster OpenSearch.
Excluir um cluster OpenSearch da sua tenancy.
Para obter informações sobre como ampliar a configuração do cluster, consulte Redimensionando uma Pesquisa com o Cluster OpenSearch. Para obter etapas sobre como restaurar seu cluster de um backup, consulte Pesquisar com OpenSearch Backups de Cluster Automatizados. Para fazer upgrade do cluster existente para uma versão mais recente do Open Search, consulte Fazendo Upgrade da Pesquisa com o Software de Cluster OpenSearch.
Política do Serviço IAM
Para usar o Oracle Cloud Infrastructure, um administrador deve conceder acesso à segurança em uma política . Esse acesso será necessário se você estiver usando a Console ou a API REST com um SDK, uma CLI ou outra ferramenta. Se você receber uma mensagem informando que não tem permissão ou está autorizado, verifique com o administrador o tipo de acesso e em qual compartimento deseja trabalhar.
Para criar ou gerenciar um cluster, você precisa configurar permissões para conceder acesso aos usuários para criar e gerenciar os recursos de Rede necessários, além de permissões de usuários para criar e gerenciar a Pesquisa com recursos OpenSearch. As permissões de Rede precisam ser configuradas para o compartimento que contém os recursos de Rede; portanto, se o cluster estiver em um compartimento diferente da VCN e da sub-rede, certifique-se de que as permissões de Rede estejam configuradas para o compartimento que contém a VCN e a sub-rede.
O exemplo de política a seguir inclui as permissões necessárias para um grupo personalizado SearchOpenSearchAdmins:
Allow group SearchOpenSearchAdmins to manage vnics in compartment <NETWORK_RESOURCES_COMPARTMENT>
Allow group SearchOpenSearchAdmins to manage vcns in compartment <NETWORK_RESOURCES_COMPARTMENT>
Allow group SearchOpenSearchAdmins to manage subnets in compartment <NETWORK_RESOURCES_COMPARTMENT>
Allow group SearchOpenSearchAdmins to use network-security-groups in compartment <NETWORK_RESOURCES_COMPARTMENT>
Allow group SearchOpenSearchAdmins to manage opensearch-family in compartment <CLUSTER_RESOURCES_COMPARTMENT>O grupo
SearchOpenSearchAdmins neste exemplo se refere a um grupo personalizado que você cria. Consulte Gerenciando Grupos para obter mais informações.As permissões para os recursos de Rede incluídos neste exemplo são necessárias conforme especificado. Você pode configurar as permissões para Pesquisa com recursos OpenSearch, especificados na última linha deste exemplo, com mais granularidade.
Se você não conhece as políticas, consulte Conceitos Básicos de Políticas e Políticas Comuns.
Configurando o Balanceador de Carga
Quando você cria um cluster do OpenSearch, um balanceador de carga também é criado automaticamente. Esse balanceador de carga trata todas as solicitações enviadas ao ponto final da API OpenSearch. Você pode selecionar o tamanho da largura de banda do balanceador de carga ao criar o cluster OpenSearch para otimizar o tratamento do tráfego de mensagens recebidas. Você também pode editar clusters existentes do OpenSearch para alterar a largura de banda do balanceador de carga.
A seleção do tamanho da largura de banda é opcional. Se você não especificar um tamanho de largura de banda para o balanceador de carga, um tamanho padrão será definido com base no tamanho do cluster OpenSearch (número de nós principais, de dados, de kibana e de pesquisa).
Nós do Machine Learning
Os nós de machine learning (ML) são otimizados para executar cargas de trabalho de machine learning por meio do plug-in ML Commons e componentes de IA relacionados em OpenSearch. Esses nós lidam com operações de computação intensiva, como registro de modelo, implantação, inferência, incorporação de texto, detecção de anomalias e análise de RCA.
Ao isolar a atividade de ML de dados primários e nós do gerenciador de clusters, os nós de ML permitem que o cluster execute pipelines de IA avançados e cargas de trabalho de inferência sem competir por E/S ou memória em tarefas de indexação/pesquisa.
Os nós de ML recebem automaticamente a atribuição dedicada ( node.roles: ["ml"] ) e também têm um volume em blocos anexado. Essa atribuição os designa como pontos finais de computação para jobs ML Commons e pipelines de ingestão de incorporação de texto. Eles podem processar modelos localmente ou se conectar a pontos finais de inferência remota, como Implantações de Modelo do OCI Data Science ou LLMs externos).
Os nós de ML oferecem os seguintes benefícios:
- Desempenho: Descarrega tarefas de inferência de ML com uso intensivo de computação e treinamento de dados e nós de gerenciamento de cluster, garantindo baixa latência consistente para pesquisa e indexação.
- Escalabilidade: Suporta dimensionamento horizontal (adição de mais nós de ML) e dimensionamento vertical (aumento de OCPU/memória), permitindo a alocação de recursos elásticos para diversas cargas de trabalho de ML.
- Eficiência de Custo: as formas do OCI FLEX podem ser usadas para otimizar o custo por inferência, pagando apenas pela pegada de computação necessária.
- Facilidade de Gerenciamento: O controlador ML Commons roteia automaticamente tarefas de inferência e treinamento para nós ML elegíveis com base na memória disponível e na profundidade da fila.
- Flexibilidade de Integração: se conecta perfeitamente com pipelines de ingestão de incorporação de texto, pesquisa vetorial, detecção de anomalias e recursos de IA agênticos introduzidos no Open Search 3.x.
Os nós de ML fornecem uma camada de computação escalável e isolada para cargas de trabalho de IA/ML, melhorando a taxa de transferência do cluster, a estabilidade e a eficiência dos recursos.
Configurando o Nó de ML para o Seu Cluster
Você pode configurar nós de ML durante a criação do cluster ou atualizar um cluster existente com eles. Você pode executar operações de redimensionamento horizontal e vertical em nós de ML semelhantes a um nó regular, incluindo ampliação e redução.
No entanto, uma redução de nó de ML para 0 não é permitida quando atividades de ML são detectadas no cluster. Uma solicitação para reduzir o nó de ML para 0 falha, a menos que essas atividades relacionadas a ML sejam interrompidas, como cancelar a implantação de um modelo de ML. Atividades de ML qualificadas incluem:
- Modelos de ML implantados
- Agentes de IA registrados
- Modelos remotos registrados e implantados
- Agente raiz do assistente de IA
- Ferramentas MCP
Na ausência de nó de ML, as atividades de ML são executadas em nós de dados regulares que assumem automaticamente a função de nó de ML, como é o caso em clusters sem nós de ML dedicados.
Definições de Cluster
Ao criar um cluster com nó de ML dedicado ou adicionar nós de ML dedicados a um cluster existente, o parâmetro "only_run_on_ml_node": "true" é, por padrão, definido como True. Esse parâmetro é redefinido automaticamente para False após uma redução bem-sucedida dos nós de ML para 0 a fim de permitir que novas cargas de trabalho de ML sejam executadas perfeitamente no nó de dados.
Você pode alterar esses parâmetros de definição de cluster. No entanto, você deve entender claramente como essas configurações afetam o cluster. Se esse parâmetro for definido como True em um cluster sem nós de ML dedicados, todas as solicitações de ML falharão no processamento. Da mesma forma, definir esse flag como False em um cluster com nó de ML dedicado significa que os nós de ML e de Dados processam a carga de trabalho de ML e isso derrota a finalidade pretendida de isolar cargas de trabalho de ML em nós de ML dedicados de cargas de trabalho de ingestão e consulta em nós de dados.
Parâmetros Configuráveis
Você pode usar os seguintes parâmetros para configurar nós ML em seu cluster:
- Forma do nó (para famílias SHAPE ou FLEX): A forma do nó para os nós ML do cluster.
- Contagem de nós: O número de nós de ML a serem adicionados ao cluster.
- Memória de nó: A quantidade de memória dos nós de ML em gigabytes.
- Contagem de OCPUs do nó: O número de OCPUs a serem configuradas para os nós de ML do cluster.
- Armazenamento de nós: O volume de armazenamento em gigabytes a ser configurado por nó para os nós de ML do cluster.
Não há suporte para nós de GPU para ML ou nós de dados.
Gerando um Hash de Senha (Somente CLI e Terraform)
Se você estiver incluindo o parâmetro security-master-user-password-hash a ser usado com o parâmetro security-master-user-name, será necessário gerar o hash de senha:
- Faça download do seguinte arquivo:
- Abra um prompt de comando e execute o seguinte comando:
java -jar oci-crypto-common.jar pbkdf2_stretch_1000 <password-in-plain-text>em que
<password-in-plain-text>é uma senha de sua escolha.É necessário ter o Java instalado no computador antes de executar esse comando.
- Registre o hash de senha gerado.
- Inclua o hash de senha gerado como o valor do parâmetro
security-master-user-password-hash.Use aspas simples ao redor da senha. Por exemplo:
oci opensearch cluster create ... --security-master-user-name MyUser --security-master-user-password-hash 'pbkdf2_...MNUT5No='
Aplicando Tags a Recursos
Você pode aplicar tags aos seus recursos para ajudar a organizá-los de acordo com suas necessidades comerciais. Você pode aplicar tags no momento da criação de um recurso ou pode atualizar o recurso posteriormente com as tags desejadas. Para obter informações gerais sobre a aplicação de tags, consulte Visão Geral do Serviço Tagging.