ElasticSearch的集群、节点、索引、分片和副本

Elasticsearch是面向文档型数据库，一条数据在这里就是一个文档。为了方便大家理解，我们将Elasticsearch里存储文档数据和关系型数据库MySQL存储数据的概念进行一个类比

ES里的Index可以看做一个库，而Types相当于表，Documents则相当于表的行。

这里Types的概念已经被逐渐弱化，Elasticsearch 6.X中，一个index下已经只能包含一个type，Elasticsearch 7.X中, Type的概念已经被删除了。

1. 集群(Cluster)

1.1 集群简介

分布式系统的可用性与扩展性

高可用性

服务可用性一允许有节点停止服务

数据可用性－部分节点丢失，不会丢失数据

可扩展性

请求量提升一数据的不断增长（将数据分布到所有节点上）

Easticsearch 的分布式架构的好处

存储的水平扩容

提高系统的可用性，部分节点停止服务，整人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=cluster_name 进行设定

一人集群可以有一人或者多人节点

一个集群就是由一个或多个服务器节点组织在一起，共同持有整个的数据，并一起提供索引和搜索功能。

一个Elasticsearch集群有一个唯一的名字标识，这个名字默认就是”elasticsearch”。这个名字是重要的，因为一个节点只能通过指定某个集群的名字，来加入这个集群。

1.1 集群健康状态

# 获取集群健康状态
GET _cluster/health
# 获取集群健康状态，精确到索引
GET _cluster/health?level=indices
# 获取集群健康状态，精确到分片
GET _cluster/health?level=shards
# 获取集群健康状态，精确到某几个索引
GET /_cluster/health/kibana_sample_data_ecommerce,kibana_sample_data_flights
# 获取集群健康状态，精确到某个索引的分片
GET /_cluster/health/kibana_sample_data_flights?level=shards

{
  "cluster_name" : "elasticsearch",
  "status" : "green",
  "timed_out" : false,
  "number_of_nodes" : 1,
  "number_of_data_nodes" : 1,
  "active_primary_shards" : 12,
  "active_shards" : 12,
  "relocating_shards" : 0,
  "initializing_shards" : 0,
  "unassigned_shards" : 0,
  "delayed_unassigned_shards" : 0,
  "number_of_pending_tasks" : 0,
  "number_of_in_flight_fetch" : 0,
  "task_max_waiting_in_queue_millis" : 0,
  "active_shards_percent_as_number" : 100.0
}

1.2 集群详细信息

GET _cluster/state

1.3 集群的统计信息

GET _cluster/stats

返回结果包含集群、节点、索引的详细统计信息。

1.3 集群的设置信息

GET /_cluster/settings
# 包含默认值设置
GET /_cluster/settings?include_defaults=true

{
  "persistent" : { },
  "transient" : { }
}

2. 节点(Node)

2.1 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。

每一个节点都有名字，通过配置文件配置，或者启动时候-E node.name=node1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。

集群中包含很多服务器，一个节点就是其中的一个服务器。作为集群的一部分，它存储数据，参与集群的索引和搜索功能。

一个节点也是由一个名字来标识的，默认情况下，这个名字是一个随机的漫威漫画角色的名字，这个名字会在启动的时候赋予节点。这个名字对于管理工作来说挺重要的，因为在这个管理过程中，你会去确定网络中的哪些服务器对应于Elasticsearch集群中的哪些节点。

一个节点可以通过配置集群名称的方式来加入一个指定的集群。默认情况下，每个节点都会被安排加入到一个叫做“elasticsearch”的集群中，这意味着，如果你在你的网络中启动了若干个节点，并假定它们能够相互发现彼此，它们将会自动地形成并加入到一个叫做“elasticsearch”的集群中。

节点类型	描述
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候，它会将自己选举成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 1）所有的节点信息 2）所有的索引和其相关的 Mapping 与 Setting 信息 3）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	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	负责接受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的职贵
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 Serarch）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

2.2 节点基本信息

GET _cat/nodes?v
GET /_cat/nodes?v&h=id,ip,port,v,m

2.3 获取单个节点的详细信息

GET /_nodes/node-1

3. 索引(Index)

一个索引就是一个拥有几分相似特征的文档的集合。比如说，你可以有一个客户数据的索引，另一个产品目录的索引，还有一个订单数据的索引。一个索引由一个名字来标识（必须全部是小写字母），并且当我们要对这个索引中的文档进行索引、搜索、更新和删除的时候，都要使用到这个名字。在一个集群中，可以定义任意多的索引。

能搜索的数据必须索引，这样的好处是可以提高查询速度，比如：新华字典前面的目录就是索引的意思，目录可以提高查询速度。

Elasticsearch索引的精髓：一切设计都是为了提高搜索的性能。

3.1 页面查看索引信息

页面查看索引信息，左侧菜单打开StackManagement

包括隐藏的索引

3.2 命令查看索引信息

或者可以切换到开发工具视图，用开发工具查询

GET /_cat/indices

3.3 查看kibana前缀的索引信息

GET /_cat/indices/kibana*?v&s=index

3.4 查看状态为健康的索引信息

GET /_cat/indices?v&health=green

3.5 索引文档数量排序

GET /_cat/indices?v&s=docs.count:desc

3.6 查看单个索引的详细信息

GET kibana_sample_data_ecommerce

在这里会列出索引的别名、映射和设置信息。

3.7 查看索引的文档总数

#查看索引的文档总数
GET kibana_sample_data_ecommerce/_count

{
  "count" : 4675,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  }
}

3.8 查看索引的前10条文档

#查看前10条文档，了解文档格式
POST kibana_sample_data_ecommerce/_search

3.9 创建索引

PUT myindex

3.10 删除索引

DELETE myindex

4.分片(Shards)

4.1 分片简介

一个索引可以存储超出单个节点硬件限制的大量数据。比如，一个具有10亿文档数据的索引占据1TB的磁盘空间，而任一节点都可能没有这样大的磁盘空间。或者单个节点处理搜索请求，响应太慢。为了解决这个问题，Elasticsearch提供了将索引划分成多份的能力，每一份就称之为分片。

当你创建一个索引的时候，你可以指定你想要的分片的数量。每个分片本身也是一个功能完善并且独立的“索引”，这个“索引”可以被放置到集群中的任何节点上。

分片很重要，主要有两方面的原因：

1）允许你水平分割 / 扩展你的内容容量。

2）允许你在分片之上进行分布式的、并行的操作，进而提高性能/吞吐量。

至于一个分片怎样分布，它的文档怎样聚合和搜索请求，是完全由Elasticsearch管理的，对于作为用户的你来说，这些都是透明的，无需过分关心。

被混淆的概念是，一个 Lucene 索引 我们在 Elasticsearch 称作 分片 。 一个 Elasticsearch 索引 是分片的集合。 当 Elasticsearch 在索引中搜索的时候， 他发送查询到每一个属于索引的分片(Lucene 索引)，然后合并每个分片的结果到一个全局的结果集。

总之，每个索引可以被分成多个分片。一个索引也可以被复制0次（意思是没有复制）或多次。一旦复制了，每个索引就有了主分片（作为复制源的原来的分片）和复制分片（主分片的拷贝）之别。分片和复制的数量可以在索引创建的时候指定。在索引创建之后，你可以在任何时候动态地改变复制的数量，但是你事后不能改变分片的数量。默认情况下，Elasticsearch中的每个索引被分片1个主分片和1个复制，这意味着，如果你的集群中至少有两个节点，你的索引将会有1个主分片和另外1个复制分片（1个完全拷贝），这样的话每个索引总共就有2个分片，我们需要根据索引需要确定分片个数。

4.2 主分片(Primary Shard )和副本分片(Replica Shard)

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

一个分片是一人运行的 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，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，可以动态题调整。

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）。

4.3 分片设定策略

一个三节点的集群中，blogs 索引的分片分布情况，思考：增加一个节点或改大主分片数对系统的影响？

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	1）后续无法增加节点实现水品扩展 2）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	1）影响搜索结果的相关性打分，影响统计结果的准确性 2）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 3）7.0开始，默认主分片设置成1，解决了over-sharding的问题

GET _cat/shards
GET _cat/shards?h=index,shard,prirep,state,unassigned.reason

5.副本(Replicas)

在一个网络 / 云的环境里，失败随时都可能发生，在某个分片/节点不知怎么的就处于离线状态，或者由于任何原因消失了，这种情况下，有一个故障转移机制是非常有用并且是强烈推荐的。为此目的，Elasticsearch允许你创建分片的一份或多份拷贝，这些拷贝叫做复制分片(副本)。

复制分片之所以重要，有两个主要原因： 

1）在分片/节点失败的情况下，提供了高可用性。因为这个原因，注意到复制分片从不与原/主要（original/primary）分片置于同一节点上是非常重要的。

2）扩展你的搜索量/吞吐量，因为搜索可以在所有的副本上并行运行。

总之，每个索引可以被分成多个分片。一个索引也可以被复制0次（意思是没有复制）或多次。一旦复制了，每个索引就有了主分片（作为复制源的原来的分片）和复制分片（主分片的拷贝）之别。分片和复制的数量可以在索引创建的时候指定。在索引创建之后，你可以在任何时候动态地改变复制的数量，但是你事后不能改变分片的数量。默认情况下，Elasticsearch中的每个索引被分片1个主分片和1个复制，这意味着，如果你的集群中至少有两个节点，你的索引将会有1个主分片和另外1个复制分片（1个完全拷贝），这样的话每个索引总共就有2个分片，我们需要根据索引需要确定分片个数。