ELK系列之一---探索ELK奇妙世界：初识日志界大名鼎鼎的ES集群!-CSDN博客

本文链接：https://blog.csdn.net/gjjumin/article/details/141893522

3.2、elaticsearch的底层优点

3.2.1、全文检索

3.2.2、倒排索引

3.3、elaticsearch集群原理

一、为什么要使用ELK

一般我们需要进行日志分析场景：直接在日志文件中 grep、awk 就可以获得自己想要的信息。但在规模较大的场景中，此方法效率低下，面临问题包括日志量太大如何归档、文本搜索太慢怎么办、如何多维度查询。需要集中化的日志管理，所有服务器上的日志收集汇总。常见解决思路是建立集中式日志收集系统，将所有节点上的日志统一收集，管理，访问。

一般大型系统是一个分布式部署的架构，不同的服务模块部署在不同的服务器上，问题出现时，大部分情况需要根据问题暴露的关键信息，定位到具体的服务器和服务模块，构建一套集中式日志系统，可以提高定位问题的效率。

一个完整的集中式日志系统，需要包含以下几个主要特点：

收集－能够采集多种来源的日志数据
传输－能够稳定的把日志数据传输到中央系统
存储－如何存储日志数据
分析－可以支持 UI 分析
警告－能够提供错误报告，监控机制

ELK提供了一整套解决方案，并且都是开源软件，之间互相配合使用，完美衔接，高效的满足了很多场合的应用。目前主流的一种日志系统。

二、ELK简介

ELK是三个开源软件的缩写，分别表示：Elasticsearch , Logstash, Kibana , 它们都是开源软件。新增了一个FileBeat，它是一个轻量级的日志收集处理工具(Agent)，Filebeat占用资源少，适合于在各个服务器上搜集日志后传输给Logstash，官方也推荐此工具。

Elasticsearch是个开源分布式搜索引擎，提供搜集、分析、存储数据三大功能。它的特点有：分布式，零配置，自动发现，索引自动分片，索引副本机制，restful风格接口，多数据源，自动搜索负载等。

Logstash 主要是用来搜集、分析、过滤日志的工具，支持大量的数据获取方式。一般工作方式为c/s架构，client端安装在需要收集日志的主机上，server端负责将收到的各节点日志进行过滤、修改等操作在一并发往elasticsearch上去。

Kibana 也是一个开源和免费的工具，Kibana可以为 Logstash 和 ElasticSearch 提供的日志分析友好的 Web 界面，可以帮助汇总、分析和搜索重要数据日志。

Filebeat隶属于Beats。目前Beats包含四种工具：

1. Packetbeat（搜集网络流量数据）
2. Topbeat（搜集系统、进程和文件系统级别的 CPU 和内存使用情况等数据）
3. Filebeat（搜集文件数据）
4. Winlogbeat（搜集 Windows 事件日志数据）

三、Elaticsearch入门

3.1、什么是elaticsearch

用官网的话说就是：Elasticsearch是基于 Apache Lucene 构建的分布式搜索和分析引擎、可扩展数据存储和矢量数据库。它针对生产规模工作负载的速度和相关性进行了优化。使用 Elasticsearch 可以近乎实时地搜索、索引、存储和分析各种形状和大小的数据。

Elasticsearch 是Elastic Stack的核心，为 Elastic Search、可观察性和安全性解决方案提供支持。

Elasticsearch 的使用范围越来越广泛。以下是一些示例：

监控日志和事件数据。存储日志、指标和事件数据，以实现可观察性和安全信息和事件管理 (SIEM)。
构建搜索应用程序。向应用程序或网站添加搜索功能，或在组织的内部数据源上构建企业搜索引擎。
向量数据库。存储和搜索向量化数据，并使用内置和第三方自然语言处理 (NLP) 模型创建向量嵌入。
检索增强生成 (RAG)。使用 Elasticsearch 作为检索引擎来增强生成式 AI 模型。
应用程序和安全监控。有效监控和分析应用程序性能和安全数据。
机器学习。使用机器学习自动实时模拟数据行为。

3.2、elaticsearch的底层优点

3.2.1、全文检索

如在对一个输入框输入东西进行搜索的时候，在使用关系型数据库存储时，那么就需要使用到模糊查询，其SQL语句如下。如果是直接使用SQL的模糊查询对数据进行检索，那么下面这条sql语句，在数据量大的时候，会非常的慢，并且最重要的是，根据B+树的底层数据结构，下面这条SQL不走索引，因此在海量数据检索时，一般不会考虑使用这个SQL

select * from product where name like '%衣服%'

针对上述的问题，就可以引入这个为什么使用elasticSearch了。其底层就是会通过一个程序扫描文本的每一个单词，针对单字或者单词建立索引，并保存该单词在文本中的位置、以及出现的次数。然后在用户查询时，就会通过之前建立好的索引来查询，将索引中单词对应的文本位置、出现的次数返回给用户，因为有了具体的文本位置，所以就可以将具体的内容读取出来了。这样速度就非常的高效，并且底层也使用到了索引，即倒排索引。

3.2.2、倒排索引

首先先说一下什么是正排索引，就是底层不会提前建立好索引，而是在查找时，会去判断数据中是否存在这个关键字，如果存在，那么就会记录这个关键字的位置以及出现的次数，这样又有点类似于这个使用SQL了。

由于正排索引效率并不高，并且查询出来的数据并不完整，因此es底层就参考这个正排索引，设计出了这个倒排索引，主要由id，关键字和这个索引下表index组成。如下有以下数据，都是英文组成，因此关键字就是以一个空格为一个关键字，因此可以对这个倒排索引进行如下的总结：

1，就是会将这些数据进行一个关键字的分词，然后将每一个词建立一个index的下标索引；

2，建立索引之后，就会进行一个去重的操作，根据关键字进行去重，然后再合并，并且将index存放在一起；

3，然后会根据关键字进行一个排序，由于这使用的是英文，所以直接根据首字母进行排序

正排和倒排总结

正排索引就是根据这个关键字去进行一个全文检索的定位，最后再获取到那一条数据的id，然后根据id获取到那一条数据。倒排就是先将关键词进行一个拆分，然后根据拆分的关键词进行一个数据的定位，定位之后再获取到数据的index索引值，这个值对应的就是数据的id，然后根据id去定位那一条数据。

最大的区别就是：正排是后获取id，然后根据id获取整条数据；倒排是先获取id，就是通过关键字单位获取到的index索引值，然后根据这个id获取到文档中的全部数据，简单理解就是正向索引是key找value，反向索引就是通过value找key，这个vaue就是对应的id，数据库中被称为id，es中被称为index。

3.3、elaticsearch集群原理

ES天生就是分布式架构的。ES的底层是Lucene，而Lucene只是一个搜索引擎库，没有并发设计，没有分布式相关的设计，因此要想使用Lucene来处理海量数据，并利用分布式的能力，就需要在其之上进行分布式的相关设计。ES就是这样一款建立在Lucene基础之上，赋予其分布式能力的存储引擎，说成天生就是分布式架构的一点也不过分。

集群是有多个节点组成的，在ES集群中有多个不同种类型的节点。节点是一个Elasticsearch的实例，本质上是一个Java进程。每个节点上面都保存着集群的状态信息，包括所有的节点信息、所有的索引和相关的Mapping于Setting信息和分片的路由信息等。节点按照角色可以划分为主节点、数据节点、协调节点和预处理节点等。