电子商务网站的建设内容,app手机软件开发,南希网站建设,ico在线制作网站转载自 图解elasticsearch原理
版本
elasticsearch版本: elasticsearch-2.x
内容
图解ElasticSearch
云上的集群 集群里的盒子
云里面的每个白色正方形的盒子代表一个节点——Node。 节点之间
在一个或者多个节点直接#xff0c;多个绿色小方块组合在一起形成一个Elas…转载自 图解elasticsearch原理
版本
elasticsearch版本: elasticsearch-2.x
内容
图解ElasticSearch
云上的集群 集群里的盒子
云里面的每个白色正方形的盒子代表一个节点——Node。 节点之间
在一个或者多个节点直接多个绿色小方块组合在一起形成一个ElasticSearch的索引。 索引里的小方块
在一个索引下分布在多个节点里的绿色小方块称为分片——Shard。 ShardLucene Index
一个ElasticSearch的Shard本质上是一个Lucene Index。 Lucene是一个Full Text 搜索库也有很多其他形式的搜索库ElasticSearch是建立在Lucene之上的。接下来的故事要说的大部分内容实际上是ElasticSearch如何基于Lucene工作的。
图解Lucene
Mini索引——segment
在Lucene里面有很多小的segment我们可以把它们看成Lucene内部的mini-index。 Segment内部
有着许多数据结构
Inverted IndexStored FieldsDocument ValuesCache最最重要的Inverted Index Inverted Index主要包括两部分 一个有序的数据字典Dictionary包括单词Term和它出现的频率。 与单词Term对应的Postings即存在这个单词的文件。
当我们搜索的时候首先将搜索的内容分解然后在字典里找到对应Term从而查找到与搜索相关的文件内容。 查询“the fury” 自动补全AutoCompletion-Prefix
如果想要查找以字母“c”开头的字母可以简单的通过二分查找Binary Search在Inverted Index表中找到例如“choice”、“coming”这样的词Term。 昂贵的查找
如果想要查找所有包含“our”字母的单词那么系统会扫描整个Inverted Index这是非常昂贵的。 在此种情况下如果想要做优化那么我们面对的问题是如何生成合适的Term。
问题的转化 对于以上诸如此类的问题我们可能会有几种可行的解决方案 * suffix - xiffus * 如果我们想以后缀作为搜索条件可以为Term做反向处理。 (60.6384, 6.5017) - u4u8gyykk 对于GEO位置信息可以将它转换为GEO Hash。 123 - {1-hundreds, 12-tens, 123} 对于简单的数字可以为它生成多重形式的Term。
解决拼写错误
一个Python库 为单词生成了一个包含错误拼写信息的树形状态机解决拼写错误的问题。 Stored Field字段查找
当我们想要查找包含某个特定标题内容的文件时Inverted Index就不能很好的解决这个问题所以Lucene提供了另外一种数据结构Stored Fields来解决这个问题。本质上Stored Fields是一个简单的键值对key-value。默认情况下ElasticSearch会存储整个文件的JSON source。 Document Values为了排序聚合
即使这样我们发现以上结构仍然无法解决诸如排序、聚合、facet因为我们可能会要读取大量不需要的信息。
所以另一种数据结构解决了此种问题Document Values。这种结构本质上就是一个列式的存储它高度优化了具有相同类型的数据的存储结构。 为了提高效率ElasticSearch可以将索引下某一个Document Value全部读取到内存中进行操作这大大提升访问速度但是也同时会消耗掉大量的内存空间。
总之这些数据结构Inverted Index、Stored Fields、Document Values及其缓存都在segment内部。
搜索发生时
搜索时Lucene会搜索所有的segment然后将每个segment的搜索结果返回最后合并呈现给客户。
Lucene的一些特性使得这个过程非常重要
Segments是不可变的immutable
Delete? 当删除发生时Lucene做的只是将其标志位置为删除但是文件还是会在它原来的地方不会发生改变
Update? 所以对于更新来说本质上它做的工作是先删除然后重新索引Re-index
随处可见的压缩
Lucene非常擅长压缩数据基本上所有教科书上的压缩方式都能在Lucene中找到。
缓存所有的所有
Lucene也会将所有的信息做缓存这大大提高了它的查询效率。
缓存的故事
当ElasticSearch索引一个文件的时候会为文件建立相应的缓存并且会定期每秒刷新这些数据然后这些文件就可以被搜索到。 随着时间的增加我们会有很多segments 所以ElasticSearch会将这些segment合并在这个过程中segment会最终被删除掉 这就是为什么增加文件可能会使索引所占空间变小它会引起merge从而可能会有更多的压缩。
举个栗子
有两个segment将会merge 这两个segment最终会被删除然后合并成一个新的segment 这时这个新的segment在缓存中处于cold状态但是大多数segment仍然保持不变处于warm状态。
以上场景经常在Lucene Index内部发生的。 在Shard中搜索
ElasticSearch从Shard中搜索的过程与Lucene Segment中搜索的过程类似。 与在Lucene Segment中搜索不同的是Shard可能是分布在不同Node上的所以在搜索与返回结果时所有的信息都会通过网络传输。
需要注意的是
1次搜索查找2个shard 2次分别搜索shard 对于日志文件的处理
当我们想搜索特定日期产生的日志时通过根据时间戳对日志文件进行分块与索引会极大提高搜索效率。
当我们想要删除旧的数据时也非常方便只需删除老的索引即可。 在上种情况下每个index有两个shards
如何Scale shard不会进行更进一步的拆分但是shard可能会被转移到不同节点上 所以如果当集群节点压力增长到一定的程度我们可能会考虑增加新的节点这就会要求我们对所有数据进行重新索引这是我们不太希望看到的所以我们需要在规划的时候就考虑清楚如何去平衡足够多的节点与不足节点之间的关系。
节点分配与Shard优化 为更重要的数据索引节点分配性能更好的机器 确保每个shard都有副本信息replica 路由Routing
每个节点每个都存留一份路由表所以当请求到任何一个节点时ElasticSearch都有能力将请求转发到期望节点的shard进一步处理。 一个真实的请求 Query Query有一个类型filtered以及一个multi_match的查询
Aggregation 根据作者进行聚合得到top10的hits的top10作者的信息
请求分发
这个请求可能被分发到集群里的任意一个节点 上帝节点 这时这个节点就成为当前请求的协调者Coordinator它决定
根据索引信息判断请求会被路由到哪个核心节点以及哪个副本是可用的等等
路由 在真实搜索之前
ElasticSearch 会将Query转换成Lucene Query 然后在所有的segment中执行计算 对于Filter条件本身也会有缓存 但queries不会被缓存所以如果相同的Query重复执行应用程序自己需要做缓存 所以 filters可以在任何时候使用 query只有在需要score的时候才使用
返回
搜索结束之后结果会沿着下行的路径向上逐层返回。
