Elasticsearch笔记(二)安装与使用
理论知识
索引、文档、节点、分片
索引、文档偏向开发人员
节点、分片偏向运维人员
文档(Document)
简介
- Elasticsearch是面向文档的,文档是所有可搜索数据的最小单位
- 日志文件中的日志项
- 一部电影的具体信息/一张唱片的详细信息
- MP3播放器里的一首歌/一篇PDF文档中的具体内容
- 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
# 添加文档,通过Elasticsearch自动生成id
POST /book/_doc
{
"name": "盘龙",
"author": "我吃西红柿",
"on-Sale": "2000-01-01",
"count": 100000,
"descr": "是你的撒谎书法课"
}
# 添加文档,自己指定ID,还可以修改
PUT /book/_doc/1
{
"name": "红楼梦",
"author": "曹雪芹",
"count": 10000000,
"on-Sale": "1985-01-01",
"descr": "是你的撒谎书法课是四大书法家还是发噶发"
}
JSON文档
- 一篇文档包含了一系列的字段。类似数据库表中的一条记录
- JSON文档,格式灵活,不需要预先定义格式
- 字段的类型可以指定或者通过Elasticsearch自动推算
- 支持数组/支持嵌套
可以通过logstash将csv文件转换为json格式数据
文档的元数据
- 元数据,用于标注文档的相关信息
- _index - 文档所属的索引名
- _type - 文档所属的类型名
- _id - 文档唯一ID
- _source:文档的原始JSON数据
- _all:整合所有字段内容内容到该字段,已被废除
- _version:文档的版本信息
- _score:相关性打分
索引
简介
- index - 索引是文档的容器,是一类文档的结合
- 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:索引中的数据分散在Shard上
- 索引的Mapping与Settings
- Mapping定义文档字段的类型
- Setting定义不同的数据分布
索引的不同寓意
- 名词:一个Elasticsearch集群中,可以创建很多个不同的索引
- 动词:保存一个文档到Elasticsearch的过程也叫索引
- ES之外:一个B树索引,一个倒排索引
节点
简介
- 节点是一个 Elasticsearch 的实例
- 本质上就是一个 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上只运行一个 Elasticsearch 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=节点名称 指定
- 每一个节点在启动之后,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.master: false 禁止
- Master-eligible 节点可以参加选主流程,成为 Master 节点
- 当第一个节点启动时,它会将自己选举为 Master 节点
- 每个节点上都保存了集群状态,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 与 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性
Data Node & 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
- 每个节点都默认起到了 Coordinating Node 的职责
其它节点类型
- Hot & Warm Node
- 不同硬件配置的 Data Node,用来实现 Hot & Warm 架构,降低集群部署成本
- 机器配置比较高,有更好的存储量、cpu 可以设置为Hot 节点
- 机器配置比较低可以存放一些比较旧的数据,设置为 Warm 节点
- 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 Search) Tribe Node 连接到不同的 Elasticsearch 集群,并且支持将这些集群当成一个单独的集群处理
配置节点类型
- 开发环境中一个节点可以承担多种角色
- 生成环境中,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 |
machine learning | node.ml | true(需 enable x-pack) |
分片
主分片
用以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
副本分片
用以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
- 增加副本分片数,还可以在一定程度上提高服务的可用性(读取的吞吐)
分片的设定
对于生产环境中分片的设定,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(主分片默认是5,副本分片是1)
- 影响搜索结果的相关性打分,影响统计结果的准确性
- 单个节点上过多的分片,会导致资源浪费,同时也会影响性能
- idf 是基于分片上的数据进行计算的,并不是基于所有分片计算。所以数据量少,容易出现不准的情况
Type
- 在7.0之前,一个Index可以设置多个Types
- 6.0开始,Type已经被Deprecated。7.0开始,一个索引只能创建一个Type - “_doc”
抽象与类比
Elasticsearch | RDBMS |
---|---|
Index(Type) | Table |
Document | Row |
Filed | Column |
Mapping | Schema |
DSL | SQL |
不恰当的比喻
- 关系型数据库中的表类似es的索引
- 关系型数据库中的每一条记录类似es的文档
- 关系型数据库中的每个字段相当于es文档中的字段
- 在7.0之前,一个Index可以设置多个Types
- 目前Type已经被Deprecated,7.0开始,一个索引只能创建一个Type - “_doc”
- 传统关系型数据库和Elasticsearch的区别
-Elasticsearch - Schemaless /相关性/高性能全文检索
-RDBMS - 事务性 / Join
调用
提供了 Rest API 很容易被各种语言调用
基本 API
# 查看 kibana_sample_data_flights 索引的 mapping
GET kibana_sample_data_flights/_mapping
# 查看 kibana_sample_data_flights 索引共有多少条文档
GET kibana_sample_data_flights/_count
#查看 kibana_sample_data_flights 索引的前10条文档,了解文档格式
POST kibana_sample_data_flights/_search
{
}
#按照文档个数排序
GET /_cat/indices?v&s=docs.count:desc
#查看状态为绿的索引
GET /_cat/indices?v&health=green
# 查看节点下索引信息,支持通配符形式
GET _cat/indices
# 列出节点下所有以wu开头的索引
GET _cat/indices/wu_*
# 查看索引的内存占用情况
GET _cat/indices?v&h=index,tm&s=tm:desc
#查看具体的字段
GET /_cat/indices/kibana*?pri&v&h=health,index,pri,rep,docs.count,mt
查看集群状态
GET _cluster/health
http://ip:9200/_cluster/health
status 结果说明
- Green - 主分片与副本都正常分片
- Yellow - 主分片全部正常分配,有副本分片未能正常分配
- Red - 有主分片未能分配
- 例如,当服务器的磁盘容量超过 85% 时,去创建一个新的索引