Elasticsearch近实时架构

1 Elasticsearch 与 Lucene 的结构理解

在这里插入图片描述

一个Elasticsearch索引由一个或多个分片（shards）组成。这些分片可以是主分片（primary shard）或副本分片（replica shard）。每个分片都是一个独立的Lucene索引，保存了索引数据的一部分。

主分片承载了索引数据的主要部分，而副本分片则是主分片的副本，用于提高搜索和数据存储的可靠性。当主分片发生故障时，副本分片可以充当主分片，保证索引的可用性。

在默认情况下，一个Elasticsearch索引有5个主分片和1个副本分片。但是，这些设置可以根据需求进行修改。在创建索引时，可以指定主分片的数量和副本分片的数量。

当查询一个Elasticsearch索引时，查询请求会被分发到所有分片上执行，然后将各个分片的结果合并得到最终结果。这种分布式架构可以大大提高查询的效率和处理大规模数据的性能。

是的，Lucene中的Lucene索引相当于Elasticsearch中的一个分片（shard）。

Lucene是一个高性能、纯Java编写的全文检索引擎，而Elasticsearch是基于Lucene构建的分布式搜索和分析引擎。在Lucene中，索引是由多个分段（segment）组成的，每个分段都是一个独立的数据集，保存了文档的倒排索引等信息。

在Elasticsearch中，索引是由多个分片（shard）组成的，每个分片都可以在多个节点上分布存储和搜索。每个分片内部实际上使用了Lucene索引的原理，即Lucene index： “a collection of segments plus a commit point”。由一堆 Segment 的集合加上一个提交点组成。因此，可以说Lucene中的Lucene索引相当于Elasticsearch中的一个分片。

需要注意的是，虽然每个Lucene索引和每个Elasticsearch分片在内部结构上相似，但它们在实际使用和管理上存在一定的差异。例如，Elasticsearch的分片可以在不同的节点上动态平衡和调整，以满足系统的负载需求和高可用性要求。

2 ES的写入过程

在这里插入图片描述

首先，当我们对记录进行修改时，es会把数据同时写到内存缓存区和translog中。而这个时候数据是不能被搜索到的，只有数据形成了segmentFile，才会被搜索到。默认情况下,es每隔一秒钟执行一次refresh，可以通过参数index.refresh_interval来修改这个刷新间隔。

不断将 Document 写入到 In-memory buffer （内存缓冲区）。
当满足一定条件后内存缓冲区中的 Documents 刷新到高速缓存（cache）。
生成新的 segment ，这个 segment 还在 cache 中。
这时候还没有 commit ，但是已经可以被读取了。

数据从 buffer 到 cache 的过程是定期每秒刷新一次。所以新写入的 Document 最慢 1 秒就可以在 cache 中被搜索到。

而 Document 从 buffer 到 cache 的过程叫做 ?refresh 。一般是 1 秒刷新一次，不需要进行额外修改。当然，如果有修改的需要，可以参考文末的相关资料。这也就是为什么说 Elasticsearch 是准实时的。

PUT /test/_doc/1?refresh
{"test": "test"}// 或者
PUT /test/_doc/2?refresh=true
{"test": "test"}

translog的相当于事务日志，记录着所有对Elasticsearch的操作记录，也是对Elasticsearch的一种备份。因为并不是写到segment就表示数据落到磁盘了，实际上segment是存储在系统缓存（page cache）中的，只有达到一个周期或者数据量达到一定值，才会flush到磁盘上。这个时候如果系统内存中的segment丢失，是可以通过translog来恢复的。