文章目录
ElasticSearch相关概念
Elastic Stack 生态圈
ElasticSerach基本概念
-
文档
-
ElasticSearch是面向文档的,文档是所有课搜索数据的最小单位(一条日志/一条错误信息/一篇文章/一条数据)
-
文档会被序列化成JSON格式,保存在ElasticSearch中
- JSON对象由字段组成
- 每个字段都有对应的字段类型(字符串/数值/布尔/日期/二进制/范围类型)
-
每个文档都有一个Unique ID
- 可以自己指定ID
- 也可以通过ElasticSearch自动生成
-
文档的元数据
{ "_index":"movies", # 文档所属的索引名 "_type":"_doc", # 文档所属的类型名(在es7.0之前,一个index可以设置多个Types,7.0后只能创建一个Type:"_doc") "_id":"1", # 文档的唯一ID "_score":14.69302, # 相关性打分 "_source":{ # 文档的原始JSON数据 "year":"1995", "@version":"1", # 文档的版本信息 "genre":[ "Adventure", "Animation", "Children", "Comedy", "Fantasy" ], "id":"1", "title":"Toy Story" } }
-
-
索引
-
index-索引是文档的容器,是一类文档的集合
-
index体现了逻辑空间的概念:
每个索引都有自己的Mapping定义,用于定义包含的文档的字段名和字段类型
-
Shard体现了物理空间的概念:
简单理解就是:索引中的数据最后是分散在Shard上
-
-
索引的Mapping和Settings
- Mapping定义文档字段的类型
- Setting定义不同的数据分布
-
{
"movies":{
"settings":{
"index":{
"creation_date":"1552737458543",
"number_of_shards":"2",
"number_of_replicas":"0",
"uuid":"Qnd7lMrNQPGdaeJ9oR0tfQ",
"version":{
"created":"6060299"
},
"provided_name":"movies"
}
}
}
}
-
索引的不同语义
-
名词
一个ElasticSearch集群中,可以创建多个索引
-
动词
保存一个文档到ElasticSearch的过程也叫索引(indexing)
-
名词
一个BTree索引,一个倒排索引
-
-
ElasticSearch的概念与关系型数据库概念对比
RDBMS 关系型数据库 Elasticsearch Table Index(Type) Row Doucment Column Filed Schema Mapping SQL DSL -
分布式系统的可用性与扩展性
-
高可用性
-
服务可用性:允许有节点停止服务
-
数据可用性:部分节点丢失,数据不会丢失
-
-
扩展性
- 请求量、数据量的不断增长(将数据分布到所有节点上)
-
-
ElasticSearch分布式特性
- ElasticSearch的风不是架构的好处
- 存储的水平扩容
- 提高系统的可用性,部分节点停止服务,整个集群的服务不受影响
- ElasticSearch的分布式架构
- 不同的集群通过不同的名字来区分(默认名字elasticsearch)
- 通过配置文件修改,或者在命令行中 -E cluster.name=集群名 进行设置
- 一个集群可以有一个或者多个节点
- ElasticSearch的风不是架构的好处
-
节点
-
节点是一个ElasticSearch的实例
- 本质上是一个Java进程
- 一台机器上可以运行多个ElasticSearch进程,但是生产环境一般建议一台机器只运行一个实例
- 每个节点都有名字,通过配置文件配置,或者启动的时候 -E node.name=节点名 指定
- 每个节点在启动之后,会分配一个UID,保存在data目录下
-
Master-eligible nodes 和Master Node
-
每个节点启动后,默认就是一个Master eligible节点(可以设置node.name:false禁止)
-
Master-eligible节点可以参选主流程,成为Master节点
-
当第一个节点启动的时候,它会将自己选举为Master节点
-
每个节点上都保存了集群的状态,只有Master节点才能修改集群的状态信息
-
集群状态(Cluster State),维护了一个集群中必要的信息:
-
所有的节点信息
-
所有的索引和其相关的Mapping和Setting信息
-
分片的路由信息
-
任意节点都能修改信息会导致数据的不一致,所以只有Master节点才能修改集群状态
-
-
-
-
Data Node 和Coordinating Node
-
Data Node
- 可以保存数据的节点叫做Data Node。
- 负责保存分片数据,在数据扩展上起到了至关重要的作用
-
Coordinating Node
-
负责接收Client的请求,将请求分发到合适的节点,最终把结果汇集到一起
-
每个节点默认都起到了Coordinating Node的职责
-
-
-
其他的节点类型
- Hot & Warm Node
- 不同硬件配置的Data Node,用来实现Hot&Warm架构,降低集群部署的成本
- Machine Learning Node
- 负责跑机器学习的Job,用来做异常检测
- Tribe Node
- (5.3开始使用Cross Cluster Serach) Tribe Node 连接到不同的ElasticSearch集群,并支持将这些集群当成一个单独的集群处理
- Hot & Warm Node
-
配置节点类型
-
开发环境中一个节点可以承担多种角色
-
生产环境中,应该设置单一的角色节点(dedicated node)
节点类型 配置参数 默认值 master eligible node.master true data node.data true ingest node.ingest true coordinating only 无 每个节点默认都是coordinating节点。设置其他类型全部为false machine learning node.ml true(需enable x-pack)
-
-
-
分片
-
主分片(Primary Shard):
- 用于解决数据水平扩展的问题,通过主分片,可以将数据分布到集群内的所有节点之上
- 一个分片是一个运行的Lucene的实例
- 主分片数在索引创建时指定,后续不允许修改,除非Reindex
-
副本(Replica Shard):
- 用于解决数据高可用的问题。分片是主分片的拷贝
- 副本分片数,可以动态调整
- 增加副本数,还可以在一定程度上提高服务的可用性(读取的吞吐)
-
一个三节点的集群中,blogs所有的分片分布情况:
number_of_shards: 主分片数为3 number_of_replicas: 副本数为1
-
分片的设定
-
对于生成环境中分片的设定,需要提前做好容量规划
-
分片数设置过小
-
导致后续无法增加节点实现水平扩展
-
单个分片的数据量太大,导致数据重新分配耗时
-
-
分片数设置过大,7.0开始,默认主分片设置成1,解决了over-sharding的问题
- 影响搜索结果的相关性打分,影响统计结果的准确性
- 单的节点上过多的分片,会导致资源浪费,同时也会影响性能
-
-