临渊羡鱼 不如退而结网,博客目的旨在记录与分享,如有错误,欢迎指出
Elasticsearch写入流程
- 写入内存缓冲区
- 写入文件缓存区
- 写入磁盘
以上三步涉及两个操作:refresh和flush
如图所示:
如上图所示,当客户端向es发起写入请求时,请求到达Coordinate nodes(协调节点),由协调节点确定将写入请求分发到索引的那个分片之中,到达指定分片之后开始写入,es会将数据先写入内存缓冲区(同时等待写入副本完毕)以及写入translog文件中。
如上图所示,一秒钟过后(默认)将内存缓冲区的数据写入段内(此时段在文件缓冲区)此阶段为refresh,这时数据变为可搜索状态,等待30分钟之后(默认),将文件缓冲区中的段flush到磁盘,同时将translog删除。
至此,es写入流程完成。
由以上我们可以找寻出几个比较重要的点:
为什么es是近实时的 以及是否能调整为实时?
由上述refresh步骤时我们可得知,数据是先写入内存缓冲区,一秒钟才会被refresh到段内,当数据到达段内数据才变成可搜索状态,不能利用配置调整为实时,利用配置最快可见为百毫秒,如果想要数据立即可见,可以调用强制刷新请求
调整刷新时间命令
PUT
{
"settings": {
"refresh_interval": "5m" //此时将刷新时间间隔设置为5分钟
}
}
强制刷新请求
POST / my-index-000001 / _refresh
es如何达到数据不丢失
当写入内存缓冲区时,如果在不到refresh时间,系统断电或者宕机,此时内存缓冲区的数据全局丢失,当重新启动时,会利用translog来恢复数据,在写入内存缓冲区的同时写入了translog日志。
es如何达到数据高可用
达到数据高可用是利用副本达到的,当搭建es集群时,可以给每个索引分片创建副本,默认情况下副本与分片不再同一机器上,当分片所在机器宕机时,副本会升为分片提供写入,如果分片所在的机器此时宕机恢复,则由原来的分片变为副本。