浅入浅出之- ElasticSearch

概述

ES=elaticsearch简写， Elasticsearch是一个开源的高扩展的分布式全文检索引擎，它可以近乎实时的存储、检索数据；本身扩展性很好，可以扩展到上百台服务器，处理PB级别的数据。ES的底层依赖Lucene，Lucene可以说是当下最先进、高性能、全功能的搜索引擎库。Elasticsearch使用Java开发并使用Lucene作为其核心来实现所有索引和搜索的功能，但是它的目的是通过简单的RESTful API来隐藏Lucene的复杂性，从而让全文搜索变得简单。

实现原理

当ElasticSearch的节点启动后，它会利用多播(multicast)(或单播)寻找集群中的其它节点，并与之建立连接。

核心概念

• 集群：ES可以作为一个独立的单个搜索服务器。不过，为了处理大型数据集，实现容错和高可用性，ES可以运行在许多互相合作的服务器上。这些服务器的集合称为集群。
• 节点：形成集群的每个服务器称为节点。
• 分片：当有大量的文档时，由于内存的限制、磁盘处理能力不足、无法足够快的响应客户端的请求等，一个节点可能不够。这种情况下，数据可以分为较小的分片。每个分片放到不同的服务器上。 
• 当你查询的索引分布在多个分片上时，ES会把查询发送给每个相关的分片，并将结果组合在一起，而应用程序并不知道分片的存在。即：这个过程对用户来说是透明的。
• 副本：为提高查询吞吐量或实现高可用性，可以使用分片副本。 副本是一个分片的精确复制，每个分片可以有零个或多个副本。ES中可以有许多相同的分片，其中之一被选择更改索引操作，这种特殊的分片称为主分片。 当主分片丢失时，如：该分片所在的数据不可用时，集群将副本提升为新的主分片。
• 全文检索：全文检索就是对一篇文章进行索引，可以根据关键字搜索，类似于mysql里的like语句。 全文索引就是把内容根据词的意义进行分词，然后分别创建索引，例如”你们的激情是因为什么事情来的” 可能会被分词成：“你们“，”激情“，“什么事情“，”来“ 等token，这样当你搜索“你们” 或者 “激情” 都会把这句搜出来

架构：

ES集群的HA不需要依赖任务外部组件（例如Zookeeper、HDFS等），master节点的主要依赖于内部自建的选举算法，通过副本分片的方式实现了数据的备份的同时，也提高了并发查询的能力。ES集群的服务器分为以下四种角色：

• 列表项目master节点，负责保存和更新集群的一些元数据信息，之后同步到所有节点，所以每个节点都需要保存全量的元数据信息；
• datanode：负责数据存储和查询；
• coordinator：负责路由索引请求，聚合搜索结果集，分发批量索引请求；
• ingestor：对输入数据进行处理和转换；

数据副本

ES通过副本分片的方式，保证集群数据的高可用，同时增加集群并发处理查询请求的能力，相应的，在数据写入阶段会增大集群的写入压力。数据写入的过程中，首先被路由到主分片，写入成功之后，将数据发送到副本分片，为了保证数据不丢失，最好保证至少一个副本分片写入成功以后才返回客户端成功。

数据查询过程

• 协调节点将请求发送给对应分片
• 分片查询，返回from+size数量的文档对应的id以及每个id的得分
• 汇总所有节点的结果，按照得分获取指定区间的文档id
• 根据查询需求，像对应分片发送多个get请求，获取文档的信息
• 返回给客户端

希望能对你有所帮助，我是热爱互联网的高飞，如有疑问，欢迎评论，希望能与你一起讨论，当然也期待点个赞以示鼓励啦