ES(一): 架构及原理

时间 2019-11-12

原文原文链接

Elasticsearch 是一个兼有搜索引擎和NoSQL数据库功能的开源系统，基于Java/Lucene构建，能够用于全文搜索，结构化搜索以及近实时分析。能够说Lucene是当今最早进，最高效的全功能开源搜索引擎框架。说明： Lucene：只是一个框架，要充分利用它的功能，须要使用JAVA，而且在程序中集成Lucene，学习成本高，Lucene确实很是复杂。 Elasticsearch 是面向文档型数据库，这意味着它存储的是整个对象或者文档，它不但会存储它们，还会为他们创建索引，这样你就能够搜索他们了html

目录：node

应用场景
solr VS ES
核心概念
ES模块结构
分片示例

应用场景web

站内搜索：主要和 Solr 竞争，属于后起之秀
NoSQL json文档数据库：主要抢占 Mongo 的市场，它在读写性能上优于 Mongo ，同时也支持地理位置查询，还方便地理位置和文本混合查询，属于歪打正着 （对比测试参见：http://blog.quarkslab.com/mongodb-vs-elasticsearch-the-quest-of-the-holy-performances.html）
监控：统计以及日志类时间序的数据的存储和分析以及可视化，这方面是引领者
国外：Wikipedia使用 ES 提供全文搜索并高亮关键字、StackOverflow结合全文搜索与地理位置查询、Github使用Elasticsearch检索1300亿行的代码
国内：百度（在casio、云分析、网盟、预测、文库、直达号、钱包、风控等业务上都应用了ES，单集群天天导入30TB+数据，总共天天60TB+）、新浪 （见大数据架构--log），阿里巴巴、腾讯等公司均有对ES的使用
使用比较普遍的平台ELK(ElasticSearch, Logstash, Kibana)

solr VS ESmongodb

Solr是Apache Lucene项目的开源企业搜索平台。其主要功能包括全文检索、命中标示、分面搜索、动态聚类、数据库集成，以及富文本（如Word、PDF）的处理。
Solr是高度可扩展的，并提供了分布式搜索和索引复制。Solr是最流行的企业级搜索引擎，Solr4 还增长了NoSQL支持。
Solr是用Java编写、运行在Servlet容器（如 Apache Tomcat 或Jetty）的一个独立的全文搜索服务器。 Solr采用了 Lucene Java 搜索库为核心的全文索引和搜索，并具备相似REST的HTTP/XML和JSON的API。
Solr强大的外部配置功能使得无需进行Java编码，即可对其进行调整以适应多种类型的应用程序。Solr有一个插件架构，以支持更多的高级定制
Elasticsearch 与 Solr 的比较总结

1. 两者安装都很简单
2. Solr 利用 Zookeeper 进行分布式管理，而 Elasticsearch 自身带有分布式协调管理功能
3. Solr 支持更多格式的数据，而 Elasticsearch 仅支持json文件格式
4. Solr 官方提供的功能更多，而 Elasticsearch 自己更注重于核心功能，高级功能多有第三方插件提供
5. Solr 在传统的搜索应用中表现好于 Elasticsearch，但在处理实时搜索应用时效率明显低于 Elasticsearch
6. Solr 是传统搜索应用的有力解决方案，但 Elasticsearch 更适用于新兴的实时搜索应用

核心概念数据库

集群（Cluster): 包含一个或多个具备相同 cluster.name 的节点.

集群内节点协同工做，共享数据，并共同分担工做负荷。
因为节点是从属集群的，集群会自我重组来均匀地分发数据.
cluster Name是很重要的，由于每一个节点只能是群集的一部分，当该节点被设置为相同的名称时，就会自动加入群集。
集群中经过选举产生一个mater节点，它将负责管理集群范畴的变动，例如建立或删除索引，添加节点到集群或从集群删除节点。master 节点无需参与文档层面的变动和搜索，这意味着仅有一个 master 节点并不会因流量增加而成为瓶颈。任意一个节点均可以成为 master 节点。咱们例举的集群只有一个节点，所以它会扮演 master 节点的角色。
做为用户，咱们能够访问包括 master 节点在内的集群中的任一节点。每一个节点都知道各个文档的位置，并可以将咱们的请求直接转发到拥有咱们想要的数据的节点。不管咱们访问的是哪一个节点，它都会控制从拥有数据的节点收集响应的过程，并返回给客户端最终的结果。这一切都是由 Elasticsearch 透明管理的

节点(node): 一个节点是一个逻辑上独立的服务，能够存储数据，并参与集群的索引和搜索功能, 一个节点也有惟一的名字，群集经过节点名称进行管理和通讯.
索引（Index)： 索引与关系型数据库实例(Database)至关。索引只是一个逻辑命名空间，它指向一个或多个分片(shards)，内部用Apache Lucene实现索引中数据的读写
文档类型（Type）：至关于数据库中的table概念。每一个文档在ElasticSearch中都必须设定它的类型。文档类型使得同一个索引中在存储结构不一样文档时，只须要依据文档类型就能够找到对应的参数映射(Mapping)信息，方便文档的存取
文档（Document) ：至关于数据库中的row，是能够被索引的基本单位。例如，你能够有一个的客户文档，有一个产品文档，还有一个订单的文档。文档是以JSON格式存储的。在一个索引中，您能够存储多个的文档。请注意，虽然在一个索引中有多分文档，但这些文档的结构是一致的，并在第一次存储的时候指定, 文档属于一种 类型(type)，各类各样的类型存在于一个索引中。你也能够经过类比传统的关系数据库获得一些大体的类似之处：
```
关系数据库       ⇒ 数据库 ⇒ 表    ⇒ 行    ⇒ 列(Columns)
Elasticsearch  ⇒ 索引   ⇒ 类型  ⇒ 文档   ⇒ 字段(Fields)
```
模拟示意图如：
Mapping： 至关于数据库中的schema，用来约束字段的类型，不过 Elasticsearch 的 mapping 能够自动根据数据建立
分片(shard) ：是工做单元(worker unit) 底层的一员，用来分配集群中的数据，它只负责保存索引中全部数据的一小片。

1. 分片是一个独立的Lucene实例，而且它自身也是一个完整的搜索引擎。
2. 文档存储而且被索引在分片中，可是咱们的程序并不会直接与它们通讯。取而代之，它们直接与索引进行通讯的
3. 把分片想象成一个数据的容器。数据被存储在分片中，而后分片又被分配在集群的节点上。当你的集群扩展或者缩小时，elasticsearch 会自动的在节点之间迁移分配分片，以便集群保持均衡
4. 分片分为主分片(primary shard) 以及从分片(replica shard) 两种。在你的索引中，每个文档都属于一个主分片
5. 从分片只是主分片的一个副本，它用于提供数据的冗余副本，在硬件故障时提供数据保护，同时服务于搜索和检索这种只读请求
6. 索引中的主分片的数量在索引建立后就固定下来了，可是从分片的数量能够随时改变。
7. 一个索引默认设置了5个主分片，每一个主分片有一个从分片对应

ES模块结构json

模块结构图以下
Gateway: 表明ES的持久化存储方式，包含索引信息，ClusterState(集群信息)，mapping，索引碎片信息，以及transaction log等
1. 对于分布式集群来讲，当一个或多个节点down掉了，可以保证咱们的数据不能丢，最通用的解放方案就是对失败节点的数据进行复制，经过控制复制的份数能够保证集群有很高的可用性，复制这个方案的精髓主要是保证操做的时候没有单点，对一个节点的操做会同步到其余的复制节点上去。
2. ES一个索引会拆分红多个碎片，每一个碎片能够拥有一个或多个副本（建立索引的时候能够配置），这里有个例子，每一个索引分红3个碎片，每一个碎片有2个副本，以下：
```
$ curl -XPUT http://localhost:9200/twitter/ -d ' index : number_of_shards : 3 number_of_replicas : 2
```
3. 每一个操做会自动路由主碎片所在的节点，在上面执行操做，而且同步到其余复制节点，经过使用“non blocking IO”模式全部复制的操做都是并行执行的，也就是说若是你的节点的副本越多，你网络上的流量消耗也会越大。复制节点一样接受来自外面的读操做，意义就是你的复制节点越多，你的索引的可用性就越强，对搜索的可伸缩行就更好，可以承载更多的操做服务器
4. 第一次启动的时候，它会去持久化设备读取集群的状态信息（建立的索引，配置等）而后执行应用它们（建立索引，建立mapping映射等），每一次shard节点第一次实例化加入复制组，它都会从长持久化存储里面恢复它的状态信息
Lucence Directory: 是lucene的框架服务发现以及选主 ZenDiscovery: 用来实现节点自动发现，还有Master节点选取，假如Master出现故障，其它的这个节点会自动选举，产生一个新的Master
1. 它是Lucene存储的一个抽象，由此派生了两个类：FSDirectory和RAMDirectory，用于控制索引文件的存储位置。使用FSDirectory类，就是存储到硬盘；使用RAMDirectory类，则是存储到内存
3. 一个Directory对象是一份文件的清单。文件可能只在被建立的时候写一次。一旦文件被建立，它将只被读取或者删除。在读取的时候进行写入操做是容许的
Discovery

1. 节点启动后先ping（这里的ping是 Elasticsearch 的一个RPC命令。若是 discovery.zen.ping.unicast.hosts 有设置，则ping设置中的host，不然尝试ping localhost 的几个端口， Elasticsearch 支持同一个主机启动多个节点）
2. Ping的response会包含该节点的基本信息以及该节点认为的master节点
3. 选举开始，先从各节点认为的master中选，规则很简单，按照id的字典序排序，取第一个
4. 若是各节点都没有认为的master，则从全部节点中选择，规则同上。这里有个限制条件就是 discovery.zen.minimum_master_nodes，若是节点数达不到最小值的限制，则循环上述过程，直到节点数足够能够开始选举
5. 最后选举结果是确定能选举出一个master，若是只有一个local节点那就选出的是本身
6. 若是当前节点是master，则开始等待节点数达到 minimum_master_nodes，而后提供服务, 若是当前节点不是master，则尝试加入master.
7. ES支持任意数目的集群（1-N）,因此不能像 Zookeeper/Etcd 那样限制节点必须是奇数，也就没法用投票的机制来选主，而是经过一个规则，只要全部的节点都遵循一样的规则，获得的信息都是对等的，选出来的主节点确定是一致的. 但分布式系统的问题就出在信息不对等的状况，这时候很容易出现脑裂（Split-Brain）的问题，大多数解决方案就是设置一个quorum值，要求可用节点必须大于quorum（通常是超过半数节点），才能对外提供服务。而 Elasticsearch 中，这个quorum的配置就是 discovery.zen.minimum_master_nodes 。

memcached

1. 经过memecached协议来访问ES的接口,支持二进制和文本两种协议.经过一个名为transport-memcached插件提供
2. Memcached命令会被映射到REST接口，而且会被一样的REST层处理，memcached命令列表包括：get/set/delete/quit

River : 表明es的一个数据源，也是其它存储方式（如：数据库）同步数据到es的一个方法。它是以插件方式存在的一个es服务，经过读取river中的数据并把它索引到es中，官方的river有couchDB的，RabbitMQ的，Twitter的，Wikipedia的，river这个功能将会在后面的文件中重点说到

分片示例网络

启用一个既没有数据，也没有索引的单一节点, 以下图
在空的单节点集群中上建立一个叫作 blogs 的索引，设置3个主分片和一组从分片（每一个主分片有一个从分片对应），代码以下：
```
PUT /blogs { "settings" : { "number_of_shards" : 3, "number_of_replicas" : 1 } }
```
集群示例图以下：（此时集群健康状态为： yellow 三个从分片尚未被分配到节点上)架构
主分片(primary shards) 启动而且运行了，这时集群已经能够成功的处理任意请求，可是从分片(replica shards) 没有彻底被激活。事实上，当前这三个从分片都处于 unassigned（未分配）的状态，它们还未被分配到节点上。在同一个节点上保存相同的数据副本是没有必要的，若是这个节点故障了，就等同于全部的数据副本也丢失了
启动第二个节点，配置第二个节点与第一个节点的 cluster.name 相同（./config/elasticsearch.yml文件中的配置），它就能自动发现并加入到第一个节点的集群中,以下图：
cluster-health 的状态为 green，这意味着全部的6个分片（三个主分片和三个从分片）都已激活，文档在主节点和从节点上都能被检索
随着应用需求的增加，启动第三个节点进行横向扩展，集群内会自动重组，如图
在 Node 1 和 Node 2 中分别会有一个分片被移动到 Node 3 上，这样一来，每一个节点上就都只有两个分片了。这意味着每一个节点的硬件资源（CPU、RAM、I/O）被更少的分片共享，因此每一个分片就会有更好的性能表现
一共有6个分片（3个主分片和3个从分片），所以最多能够扩展到6个节点，每一个节点上有一个分片，这样每一个分片均可以使用到所在节点100%的资源了
主分片的数量在索引建立的时候就已经指定了，实际上，这个数字定义了能存储到索引中的数据最大量（具体的数量取决于你的数据，硬件的使用状况）。例如，读请求——搜索或者文档恢复就能够由主分片或者从分片来执行，因此当你拥有更多份数据的时候，你就拥有了更大的吞吐量
从分片的数量能够在运行的集群中动态的调整，这样咱们就能够根据实际需求扩展或者缩小规模。接下来，咱们来增长一下从分片组的数量：
```
PUT /blogs/_settings { "number_of_replicas" : 2 }
```
如今 blogs 的索引总共有9个分片：3个主分片和6个从分片，又会变成一个节点一个分片的状态了,最终获得了三倍搜索性能的三节点集群app
说明：仅仅是在一样数量的节点上增长从分片的数量是根本不能提升性能的，由于每一个分片都有访问系统资源的权限。你须要升级硬件配置以提升吞吐量。
尝试一下,把第一个节点杀掉，咱们的集群就会以下图所示：
被杀掉的节点是主节点，主分片 1 和 2 在咱们杀掉 Node 1 后就丢失了，咱们的索引在丢失主节点的时候是不能正常工做的。若是咱们在这个时候检查集群健康状态，将会显示 red：存在不可用的主节点
而为了集群的正常工做必须须要一个主节点，因此首先进行的进程就是从各节点中选择了一个新的主节点：Node 2
新的主节点所完成的第一件事情就是将这些在 Node 2 和 Node 3 上的从分片提高为主分片，而后集群的健康状态就变回至 yellow。这个提高的进程是瞬间完成了，就好像按了一下开关
若是再次杀掉 Node 2 的时候，咱们的程序依旧能够在没有丢失任何数据的状况下运行，由于 Node 3 中依旧拥有每一个分片的备份
若是咱们重启 Node 1，集群就可以从新分配丢失的从分片，这样结果就会与三节点两从集群一致。若是 Node 1 依旧还有旧节点的内容，系统会尝试从新利用他们，并只会复制在故障期间的变动数据