搜索引擎 - ElasticSearch

时间 2019-11-08

标签搜索引擎 elasticsearch 栏目搜索引擎繁體版

原文原文链接

注：ES是Java开源项目，预先安装Jre和NodeJS。html

1、介绍

Elasticsearch是基于Apache Lucene的开源搜索引擎，目前被认为是最早进、性能最好、功能最全的搜索引擎。node

一、名词

分片：集群中节点存放文档的地方，分片保存在不一样节点可用于数据恢复，每一个分片占用的CPU、RAM、IO越高索引速度就越快python

index（索引）: 相似数据库，多个索引就表明多个数据库git

type（类型）: 相似表名github

mapping ：表结构redis

doc（文档）：数据，一条Json数据为一个文档数据库

ES Json ：ES API请求模板，用于索引数据，格式ES有严格规定（不一样版本有区别）npm

filter（过滤）：ES有俩种查询模式，一是根据条件查询（速度慢），二所有查询后再条件过滤bootstrap

aggs（聚合）：相似数据库的group by，可多个聚合嵌套使用服务器

2、安装配置

如下为单节点配置：

一、下载 ES压缩包，解压到本地。

二、打开/ES/config/下 elasticsearch.yml

为了显示整洁，去掉了注释和没使用的配置项

# ---------------------------------- Cluster -----------------------------------
cluster.name: elasticsearch #ES根据此名将节点放到集群中

# ------------------------------------ Node ------------------------------------
node.name: node-master #节点名称，集群需更改!!!

# ----------------------------------- Paths ------------------------------------
#path.data: /path/to/data
#path.logs: /path/to/logs

# ----------------------------------- Memory -----------------------------------
#bootstrap.memory_lock: true

# ---------------------------------- Network -----------------------------------
network.host: 127.0.0.1 #节点绑定的ip
transport.tcp.port: 9301 #集群需更改!!!
http.port: 9401 #集群需更改!!!

# --------------------------------- Discovery ----------------------------------
#discovery.zen.ping.unicast.hosts: ["host1", "host2"] #主节点列表
##########Prevent the "split brain" by configuring the majority of nodes (total number of master-eligible nodes / 2 + 1):##########
discovery.zen.minimum_master_nodes: 1 #至少1个主节点

# ---------------------------------- Gateway -----------------------------------
#gateway.recover_after_nodes: 3

# ---------------------------------- Various -----------------------------------
#action.destructive_requires_name: true

一、命令

一、命令行到/ES/bin/下，运行 elasticsearch 或 elasticsearch -d 隐藏运行

二、非隐藏运行可以使用 Ctrl+C 关闭。隐藏模式可以使用 ps -ef | grep elastic 或 jps 查看进程号

三、当集群中的节点出现红色Unassigned，则检查处理问题（节点状态可以使用下面的ES插件进行观察等其它操做）

（1）查看集群相关信息

curl "localhost:9401/_nodes/process?pretty"

（2）找出 UNASSIGNED 相关信息

curl -XGET localhost:9401/_cat/shards|grep UNASSIGNED

（3）依次修改以上UNASSIGNED

curl -XPOST 'localhost:9401/_cluster/reroute' -d '{
    "commands" : [ {
        "allocate" : {
            "index" : "graylog_83",
            "shard" : 1,
            "node" : "Auq82gfGQVWgOBw6S7ajRQ",
            "allow_primary" : true
        }
    }]
}'

二、安装ES监控

一、下载开源项目 elasticsearch-head

二、进入到elasticsearch-head下，命令行 npm install grunt-cli 安装grunt客户端

三、在elasticsearch-head下打开Gruntfile.js

四、运行监控插件及结果

3、ES Api

一、建立索引

{
    "student": {
        "properties": {
            "no": {
                "type": "string",
                "fielddata": true,
                "index": "analyzed"
            },
            "name": {
                "type": "string",
                "index": "analyzed"
            },
            "age": {
                "type": "integer"
            },
            "birth": {
                "type": "date",
                "format": "yyyy-MM-dd"
            },
            "isLeader": {
                "type": "boolean"
            }
        }
    }

}

而后用REST方式调用ES接口建立索引和类型：

ES监控插件上显示：

二、bulk批处理

bulk API 容许在单个步骤中进行屡次 create 、 index 、 update 或 delete 请求。

curl -XPOST "http://172.16.13.4:9401/_bulk?pretty" -d '
{"delete": {"_index": "megacorp", "_type": "employee", "_id": "2"}}
{"create": {"_index": "megacorp", "_type": "employee", "_id": "2"}}
{"name": "first"}
{"index": {"_index": "megacorp", "_type": "employee"}}\n

三、ES分析器

分析器包括三个功能：字符过滤器（过滤掉HTML，特殊符号转换）、分词器也叫分析器（标准分析器、简单、空格、语言分析器）、token过滤器（删除改变无用词）。具体详见这章 ES分析器。

4、ES集群

配置很简单就不作详细说明了，原理跟redis集群差很少，判断节点超时、投票选取主节点。

#####################################主节点1#####################################
# ---------------------------------- Cluster -----------------------------------
cluster.name: alex-es

# ------------------------------------ Node ------------------------------------
node.name: node1
node.master: true
node.data: true

# ----------------------------------- Path ------------------------------------
path.data: /path/to/data
path.logs: /path/to/logs

# ----------------------------------- Memory -----------------------------------
bootstrap.memory_lock: true

# ---------------------------------- Network -----------------------------------
network.host: 172.16.13.4
transport.tcp.port: 9301
transport.tcp.compress: true
http.port: 9401
http.max_content_length: 100mb
http.enabled: true
http.cors.enabled: true
http.cors.allow-origin: "*"

# --------------------------------- Discovery ----------------------------------
discovery.zen.minimum_master_nodes: 2
discovery.zen.ping.unicast.hosts: ["172.16.13.4:9301", "172.16.13.4:9302"]

# ---------------------------------- Gateway -----------------------------------
gateway.recover_after_nodes: 3
gateway.recover_after_time: 5m
gateway.expected_nodes: 3

#####################################主节点2#####################################
# ---------------------------------- Cluster -----------------------------------
cluster.name: alex-es

# ------------------------------------ Node ------------------------------------
node.name: node2
node.master: true
node.data: true

# ----------------------------------- Path ------------------------------------
path.data: /path/to/data2
path.logs: /path/to/logs2

# ----------------------------------- Memory -----------------------------------
bootstrap.memory_lock: true

# ---------------------------------- Network -----------------------------------
network.host: 172.16.13.4
transport.tcp.port: 9302
transport.tcp.compress: true
http.port: 9402
http.max_content_length: 100mb
http.enabled: true
http.cors.enabled: true
http.cors.allow-origin: "*"

# --------------------------------- Discovery ----------------------------------
discovery.zen.minimum_master_nodes: 2
discovery.zen.ping.unicast.hosts: ["172.16.13.4:9301", "172.16.13.4:9302"]

# ---------------------------------- Gateway -----------------------------------
gateway.recover_after_nodes: 3
gateway.recover_after_time: 5m
gateway.expected_nodes: 3

#####################################子节点######################################
# ---------------------------------- Cluster -----------------------------------
cluster.name: alex-es

# ------------------------------------ Node ------------------------------------
node.name: node3
node.master: false
node.data: true

# ----------------------------------- Path ------------------------------------
path.data: /path/to/data3
path.logs: /path/to/logs3

# ----------------------------------- Memory -----------------------------------
bootstrap.memory_lock: true

# ---------------------------------- Network -----------------------------------
network.host: 172.16.13.4
transport.tcp.port: 9303
transport.tcp.compress: true
http.port: 9403
http.max_content_length: 100mb
http.enabled: true
http.cors.enabled: true
http.cors.allow-origin: "*"

# --------------------------------- Discovery ----------------------------------
discovery.zen.minimum_master_nodes: 2
discovery.zen.ping.unicast.hosts: ["172.16.13.4:9301", "172.16.13.4:9302"]

# ---------------------------------- Gateway -----------------------------------
gateway.recover_after_nodes: 3
gateway.recover_after_time: 5m
gateway.expected_nodes: 3

以上配置信息不能包含空格，配置好后，所有启动，在ES-head上监控显示：

5、ES客户端问题

官方提供了基于Python、Java等语言的客户端，其中实现了对es链接池轮训、查询、索引、批量等操做。

因为最近在用多进程并发查询es的功能，当请求数量在一段时间内增长时，会有多个进程的响应超时的问题。

通过调查，已排查掉如下可能存在的问题：

一、Java GC机制问题（包括并发GC、FullGC、GCone等），由于根据GC的机制不一样，会影响es的性能
二、es队列大小
三、进程池，基本上是同一时间异步调用es查询，因此这个不存在问题
四、CPU内存及es配置优化等

最后在服务器上抓包发现，部分请求要通过必定时间才能传到es上，并且随着请求数量加大，时间间隔有递增趋势，这样问题就定位在es客户端发送请求那。

通过一番研究，多是es客户端所采用的传输协议会致使请求时间延长，最后决定用Python的 pycurl 来代替es客户端，下面是代码，能够本身实现es轮训：

import pycurl
import StringIO
import random

def es_pool():
    return ["ip:port", "ip:port"]

# curl请求
def curl_req(index='', rtype='', body=''):
    s = StringIO.StringIO()
    c = pycurl.Curl()

    es_hosts = es_pool()
    host = es_hosts[random.randint(0, len(es_hosts)) % len(es_hosts)]  # 根据es池大小随机选择
    url = host + '/' + index + '/' + rtype + '/_search'

    c.setopt(pycurl.URL, url)
    c.setopt(pycurl.POST, 1)
    c.setopt(pycurl.POSTFIELDS, body)
    c.setopt(pycurl.WRITEFUNCTION, s.write)
    c.perform()
    c.close()
    return s.getvalue()