Elasticsearch知识

Elasticsearch逻辑设计和物理设计
- 逻辑设计
- 物理设计
Elasticsearch原理
- 倒排索引
- 文档的分析过程
- 保存文档
- 搜索文档
- 写数据的底层原理
  - 数据刷新（fresh）
  - 事务日志的写入
ES在大数据量下的性能优化
- 文件系统缓存优化
- 数据预热
- 文档（Document）模型设计
- 分页性能优化
Elasticsearch和DB的差异
参考

Elasticsearch逻辑设计和物理设计

逻辑设计

索引（Index）：类似于ES中的一张表，可以通过映射（Mapping）定义索引的结构和设置。
类型（Type）：可以对ES的索引进一步做划分。ES 7中已经移除类型，建议一个索引一个类型即可
映射（Mapping）：索引结构的定义，包括索引的字段，字段类型，索引的设置等。
文档（Document）：索引中的一条记录。

物理设计

Elasticsearch本身是分布式搜索引擎。它的高可用、高性能就是通过分片实现的。

主分片：一个索引可以划分成多个主分片，通过将主分片分布到不同的ES节点，从而实现高性能。
副本分片：副本分片和主分片保持数据同步，和主分片不能分布在同一个节点，从而实现主分片的读能力的横向扩展，同时保证主分片不可用时实现故障转移。

Elasticsearch原理

倒排索引

每个文档都有唯一的文档ID，一个文档经过分析器变成一组词条。

倒排索引：记录词条以及词条出现的文档ID的数据结构，同时倒排索引还会记录词条在文档中出现的频率。

文档的分析过程

示例引用自《Elasticsearch实战》。

在文档加入倒排索引之前，需要经过分析器执行分析，转换成一组词条（Term）。

以下是文档“share your experience with Nosql & big data technologies”的分析过程。

过滤字符：字符过滤器转换个别字符。如：将&转换成and
切分文本：分词器将文本切分成多个词条
过滤分词：一组分词过滤器按序转换每个分词。如：小写分词过滤器，将所有的分词转换成小写。
创建索引：为词条创建倒排索引

保存文档

保存文档是写入主分片，然后，同步到副本分片；搜索文档是根据轮询算法，从主分片或副本分片读取。

通过计算文档ID的哈希值，决定文档的目标分片。如果文档的目标分片不在当前节点，将文档转发到目标分片的节点。
将文档加入倒排索引
将数据同步到所有的副本分片，即在副本分片创建倒排索引
所有的副本分片创建倒排索引成功，节点响应结果给客户端

说明：

协调节点：接收客户端请求/响应客户端的节点，负责数据的请求转发，数据的汇总。

搜索文档

协调节点使用round-robin随机循环算法，将请求转发到包含完整数据集合的分片集合（包括主分片和副本分片）。
协调节点收集各节点的返回结果，将结果返回客户端：

2.1 查询阶段（Query Phase）：每个分片将自己的搜索结果的文档ID返回给协调节点，协调节点进行数据的合并、排序、分页，得到最终结果。

2.2 拉取阶段（Fetch Phase）：协调节点根据文档ID取各个节点上拉取文档数据，最终返回给客户端。

写数据的底层原理

Elasticsearch会将数据先写入内存的缓冲区，这时数据并不能用于查询。

刷新数据：缓冲区过大或者默认每隔1秒，将缓冲区中的数据写入段文件（segment file），然后清空缓冲区。数据在缓冲区时是不可见的，变成段文件后，就可以用于查询。段文件不可变，所以每隔一秒ES就会生成一个新的段文件。
事务日志的写入：为了防止数据丢失，ES会实时将数据写入事务日志（tranlog）文件，事务日志文件是在磁盘里的。
数据冲刷：事务日志过大或者默认每隔30分钟，会触发数据冲刷，会将一个提交点（commit point）中的所有段文件（在操作系统缓冲区中的数据）和缓冲区所有的数据写入磁盘，然后，删除事务日志。

数据刷新（fresh）

数据刷新负责将缓冲区的数据写入段文件。段文件实际上就Lucene索引。出于性能考虑，数据并不是直接写入磁盘的，而是默认每隔1秒，数据从缓冲区写入系统缓存（OS Cache），变成段文件。之后，就可以通过搜索接口查询到对应的数据了。因为，数据都是在内存中的，所以一旦宕机，数据会丢失。ES通过事务日志保存了数据，所以，能够保证数据的恢复。

ES是接近实时的（Near Real-time）

因为，数据是每1秒刷新的系统缓存，之后才可以访问，所以是接近实时的。