ES 18 - (底层原理) Elasticsearch写入索引数据的过程 以及优化写入过程

目录

• 1 Lucene操做document的流程
  • 1.1 添加document的流程
  • 1.2 删除document的流程
• 2 优化写入流程 - 实现近实时搜索
  • 2.1 流程的改进思路
  • 2.2 设置refresh的间隔
• 3 优化写入流程 - 实现持久化变动
  • 3.1 文档持久化到磁盘的流程
  • 3.2 基于translog和commit point的数据恢复
• 4 优化写入流程 - 实现海量segment文件的归并
  • 4.1 存在的问题
  • 4.2 merge操做的流程
  • 4.3 优化merge的配置项
  • 4.4 optimize接口的使用

1 Lucene操做document的流程

Lucene将index数据分为segment(段)进行存储和管理.

Lucene中, 倒排索引一旦被建立就不可改变, 要添加或修改文档, 就须要重建整个倒排索引, 这就对一个index所能包含的数据量, 或index能够被更新的频率形成了很大的限制.

为了在保留不变性的前提下实现倒排索引的更新, Lucene引入了一个新思路: 使用更多的索引, 也就是经过增长新的补充索引来反映最新的修改, 而不是直接重写整个倒排索引.

—— 这样就能确保, 从最先的版本开始, 每个倒排索引都会被查询到, 查询完以后再对结果进行合并.

1.1 添加document的流程

① 将数据写入buffer(内存缓冲区);

② 执行commit操做: buffer空间被占满, 其中的数据将做为新的 index segment 被commit到文件系统的cache(缓存)中;

③ cache中的index segment经过fsync强制flush到系统的磁盘上;

④ 写入磁盘的全部segment将被记录到commit point(提交点)中, 并写入磁盘;

④ 新的index segment被打开, 以备外部检索使用;

⑤ 清空当前buffer缓冲区, 等待接收新的文档.

说明:

(a) fsync是一个Unix系统调用函数, 用来将内存缓冲区buffer中的数据存储到文件系统. 这里做了优化, 是指将文件缓存cache中的全部segment刷新到磁盘的操做.

(b) 每一个Shard都有一个提交点(commit point), 其中保存了当前Shard成功写入磁盘的全部segment.

1.2 删除document的流程

① 提交删除操做, 先查询要删除的文档所属的segment;

② commit point中包含一个.del文件, 记录哪些segment中的哪些document被标记为deleted了;

③ 当.del文件中存储的文档足够多时, ES将执行物理删除操做, 完全清除这些文档.

• 在删除过程当中进行搜索操做:

  依次查询全部的segment, 取得结果后, 再根据.del文件, 过滤掉标记为deleted的文档, 而后返回搜索结果. —— 也就是被标记为delete的文档, 依然能够被查询到.

• 在删除过程当中进行更新操做:

  将旧文档标记为deleted, 而后将新的文档写入新的index segment中. 执行查询请求时, 可能会匹配到旧版本的文档, 但因为.del文件的存在, 不恰当的文档将被过滤掉.

2 优化写入流程 - 实现近实时搜索

2.1 流程的改进思路

(1) 现有流程的问题:

插入的新文档必须等待fsync操做将segment强制写入磁盘后, 才能够提供搜索.而 fsync操做的代价很大, 使得搜索不够实时.

(2) 改进写入流程:

① 将数据写入buffer(内存缓冲区);

② 不等buffer空间被占满, 而是每隔必定时间(默认1s), 其中的数据就做为新的index segment被commit到文件系统的cache(缓存)中;

③ index segment 一旦被写入cache(缓存), 就当即打开该segment供搜索使用;

④ 清空当前buffer缓冲区, 等待接收新的文档.

—— 这里移除了fsync操做, 便于后续流程的优化.

优化的地方: 过程②和过程③:

segment进入操做系统的缓存中就能够提供搜索, 这个写入和打开新segment的轻量过程被称为refresh.

2.2 设置refresh的间隔

Elasticsearch中, 每一个Shard每秒都会自动refresh一次, 因此ES是近实时的, 数据插入到能够被搜索的间隔默认是1秒.

(1) 手动refresh —— 测试时使用, 正式生产中请减小使用:

# 刷新全部索引:
POST _refresh
# 刷新某一个索引: 
POST employee/_refresh

(2) 手动设置refresh间隔 —— 若要优化索引速度, 而不注重实时性, 能够下降刷新频率:

# 建立索引时设置, 间隔1分钟: 
PUT employee
{
    "settings": {
        "refresh_interval": "1m"
    }
}
# 在已有索引中设置, 间隔10秒: 
PUT employee/_settings
{
    "refresh_interval": "10s"
}

(3) 当你在生产环境中创建一个大的新索引时, 能够先关闭自动刷新, 要开始使用该索引时再改回来:

# 关闭自动刷新: 
PUT employee/_settings
{
    "refresh_interval": -1 
} 
# 开启每秒刷新: 
PUT employee/_settings
{
    "refresh_interval": "1s"
}

3 优化写入流程 - 实现持久化变动

Elasticsearch经过事务日志(translog)来防止数据的丢失 —— durability持久化.

3.1 文档持久化到磁盘的流程

① 索引数据在写入内存buffer(缓冲区)的同时, 也写入到translog日志文件中;

② 每隔refresh_interval的时间就执行一次refresh:

(a) 将buffer中的数据做为新的 index segment, 刷到文件系统的cache(缓存)中;

(b) index segment一旦被写入文件cache(缓存), 就当即打开该segment供搜索使用;

③ 清空当前内存buffer(缓冲区), 等待接收新的文档;

④ 重复①~③, translog文件中的数据不断增长;

⑤ 每隔必定时间(默认30分钟), 或者当translog文件达到必定大小时, 发生flush操做, 并执行一次全量提交:

(a) 将此时内存buffer(缓冲区)中的全部数据写入一个新的segment, 并commit到文件系统的cache中;

(b) 打开这个新的segment, 供搜索使用;

(c) 清空当前的内存buffer(缓冲区);

(d) 将translog文件中的全部segment经过fsync强制刷到磁盘上;

(e) 将这次写入磁盘的全部segment记录到commit point中, 并写入磁盘;

(f) 删除当前translog, 建立新的translog接收下一波建立请求.

扩展: translog也能够被用来提供实时CRUD.

当经过id查询、更新、删除一个文档时, 从segment中检索以前, 先检查translog中的最新变化 —— ES老是可以实时地获取到文档的最新版本.

共计：3599 个字

3.2 基于translog和commit point的数据恢复

(1) 关于translog的配置:

flush操做 = 将translog中的记录刷到磁盘上 + 更新commit point信息 + 清空translog文件.

Elasticsearch默认: 每隔30分钟就flush一次;
或者: 当translog文件的大小达到上限(默认为512MB)时主动触发flush.

相关配置为:

# 发生多少次操做(累计多少条数据)后进行一次flush, 默认是unlimited: 
index.translog.flush_threshold_ops

# 当translog的大小达到此预设值时, 执行一次flush操做, 默认是512MB: 
index.translog.flush_threshold_size

# 每隔多长时间执行一次flush操做, 默认是30min:
index.translog.flush_threshold_period

# 检查translog、并执行一次flush操做的间隔. 默认是5s: ES会在5-10s之间进行一次操做: 
index.translog.interval

(2) 数据的故障恢复:

① 增删改操做成功的标志: segment被成功刷新到Primary Shard和其对应的Replica Shard的磁盘上, 对应的操做才算成功.

② translog文件中存储了上一次flush(即上一个commit point)到当前时间的全部数据的变动记录. —— 即translog中存储的是尚未被刷到磁盘的全部最新变动记录.

③ ES发生故障, 或重启ES时, 将根据磁盘中的commit point去加载已经写入磁盘的segment, 并重作translog文件中的全部操做, 从而保证数据的一致性.

(3) 异步刷新translog:

为了保证不丢失数据, 就要保护translog文件的安全:

Elasticsearch 2.0以后, 每次写请求(如index、delete、update、bulk等)完成时, 都会触发fsync将translog中的segment刷到磁盘, 而后才会返回200 OK的响应;

或者: 默认每隔5s就将translog中的数据经过fsync强制刷新到磁盘.

—— 提升数据安全性的同时, 下降了一点性能.

==> 频繁地执行fsync操做, 可能会产生阻塞致使部分操做耗时较久. 若是容许部分数据丢失, 可设置异步刷新translog来提升效率.

PUT employee/_settings
{
    "index.translog.durability": "async",
    "index.translog.sync_interval": "5s"
}

4 优化写入流程 - 实现海量segment文件的归并

4.1 存在的问题

由上述近实时性搜索的描述, 可知ES默认每秒都会产生一个新的segment文件, 而每次搜索时都要遍历全部的segment, 这很是影响搜索性能.

为解决这一问题, ES会对这些零散的segment进行merge(归并)操做, 尽可能让索引中只保有少许的、体积较大的segment文件.

这个过程由独立的merge线程负责, 不会影响新segment的产生.

同时, 在merge段文件(segment)的过程当中, 被标记为deleted的document也会被完全物理删除.

4.2 merge操做的流程

① 选择一些有类似大小的segment, merge成一个大的segment;
② 将新的segment刷新到磁盘上;
③ 更新commit文件: 写一个新的commit point, 包括了新的segment, 并删除旧的segment;
④ 打开新的segment, 完成搜索请求的转移;
⑤ 删除旧的小segment.

4.3 优化merge的配置项

segment的归并是一个很是消耗系统CPU和磁盘IO资源的任务, 因此ES对归并线程提供了限速机制, 确保这个任务不会过度影响到其余任务.

(1) 归并线程的速度限制:

限速配置 indices.store.throttle.max_bytes_per_sec的默认值是20MB, 这对写入量较大、磁盘转速较高的服务器来讲明显太低.

对ELK Stack应用, 建议将其调大到100MB或更高. 能够经过API设置, 也能够写在配置文件中:

PUT _cluster/settings
{
    "persistent" : {
        "indices.store.throttle.max_bytes_per_sec" : "100mb"
    }
}
// 响应结果以下: 
{
    "acknowledged": true,
    "persistent": {
        "indices": {
            "store": {
                "throttle": {
                    "max_bytes_per_sec": "100mb"
                }
            }
        }
    },
    "transient": {}
}

(2) 归并线程的数目:

推荐设置为CPU核心数的一半, 若是磁盘性能较差, 能够适当下降配置, 避免发生磁盘IO堵塞:

PUT employee/_settings
{
    "index.merge.scheduler.max_thread_count" : 8
}

(3) 其余策略:

# 优先归并小于此值的segment, 默认是2MB:
index.merge.policy.floor_segment

# 一次最多归并多少个segment, 默认是10个: 
index.merge.policy.max_merge_at_once

# 一次直接归并多少个segment, 默认是30个
index.merge.policy.max_merge_at_once_explicit

# 大于此值的segment不参与归并, 默认是5GB. optimize操做不受影响
index.merge.policy.max_merged_segment

4.4 optimize接口的使用

segment的默认大小是5GB, 在很是庞大的索引中, 仍然会存在不少segment, 这对文件句柄、内存等资源都是很大的浪费.

但因为归并任务很是消耗资源, 因此通常不会选择加大 index.merge.policy.max_merged_segment 配置, 而是在负载较低的时间段, 经过optimize接口强制归并segment:

# 强制将segment归并为1个大的segment: 
POST employee/_optimize?max_num_segments=1

# 在终端中的操做方法: 
curl -XPOST http://ip:5601/employee/_optimize?max_num_segments=1

optimize线程不会受到任何资源上的限制, 因此不建议对还在写入数据的热索引(动态索引)执行这个操做.

实战建议: 对一些不多发生变化的老索引, 如日志信息, 能够将每一个Shard下的segment合并为一个单独的segment, 节约资源, 还能提升搜索效率.

参考资料

Elasticsearch 基础理论 & 配置调优

https://www.elastic.co/guide/cn/elasticsearch/guide/current/making-text-searchable.html

https://www.elastic.co/guide/cn/elasticsearch/guide/current/near-real-time.html

https://www.elastic.co/guide/cn/elasticsearch/guide/current/translog.html

https://www.elastic.co/guide/cn/elasticsearch/guide/current/merge-process.html

版权声明

做者: 马瘦风

出处: 博客园 马瘦风的博客

感谢阅读, 若是文章有帮助或启发到你, 点个[好文要顶👆] 或 [推荐👍] 吧😜

本文版权归博主全部, 欢迎转载, 但[必须在文章页面明显位置给出原文连接], 不然博主保留追究相关人员法律责任的权利.