ElasticSearch 基本概念

ElasticSearch 基本概念

文档（Document）

• ES是面向文档的，文档是所有可搜索数据的最小单位

  • 日志文件中的日志项
  • 一本电影的具体信息 / 一张唱片的详细信息
  • MP3 播放器里的一首歌/ 一篇 PDF 文档中的具体内容
  • 关系型数据库中的一条记录

• 文档会被序列化成 JSON 格式保存在ES中

  • JSON对象由字段组成
  • 每个字段都有对应的字段类型（字符串 / 数组 / 布尔 / 日期 / 二进制 / 范围类型）
  • 字段类型可以指定或者通过ES自动推算，支持数组 / 支持嵌套

• 每个文档都有一个 Unique ID

  • 支持指定ID
  • 或者通过 ES 自动生成。自动生成的ID，长度为20个字符，URL安装，base64编码，GUID，分布式系统并行生成时不可能会发生冲突

文档元数据，元数据用于标注文档的相关信息

• _index: 文档所属的索引名
• _type: 文档所属的类型名
• _id: 文档唯一ID
• _source 文档的原始JSON数据
• _version: 文档的版本信息
• _socre: 相关性打分
• _all: 整合所有字段内容到该字段，7.0以上版本已被废除

---

索引（Index）

• 索引是文档的容器，是一类文档的结合

  • Index 体现了逻辑空间的概念：每个索引都有自己的 Mapping 定义，用于定义包含的文档的字段名和字段类型
  • Shard（分片）体现了物理空间的概念：索引中的数据分散在 Shard 上

• Mapping 与 Settings

  • Mapping 定义文档字段的类型
  • Setting 定义不同的数据分布

索引的不同语意

• 名词：一个ES集群中，可以创建很多个不同的索引
• 动词：保存一个文档到ES中的过程也称索引（Indexing）
  ES中，创建一个倒排的过程
• 名词：一个B树索引，一个倒排索引

Type

• 在7.0版本之前，一个Index可以设置多个Types，7.0版本后，一个索引只能创建一个Type: _doc

ElasticSearch对比关系型数据库

关系型数据库	ElasticSearch
Table（表）	Index(Type)（索引）
Row（行）	Document（文档）
Column（列）	Field（字段）
Schema（表结构）	Mapping（映射）
SQL	DSL

集群与节点

• 一个集群可以有一个或者多个节点
• 节点是一个 ElasticSearch 的实例
  • 本质上就是一个 JAVA 进程
  • 一台机器上可以运行多个 ElasticSearch 进程，但是生产环境一般建议一台机器上只运行一个 ElasticSearch 实例
• 每一个节点都有名词，可以通过配置文件或者或者启动时 -E node.name 参数指定
• 每一个节点在启动之后，会分配一个 UID，保存在 data 目录下

Master-eligible nodes 和 Master Node

• 每个节点启动后，默认就是一个 Master eligible 节点
  • node.master: false禁止，默认true
• Master-eligible 节点可以参加选主流程，成为Master节点
• 当第一个节点启动时，它会将自己选举成功Master节点
• 每个节点上都保存了集群的状态，只有Master节点才能修改集群的状态信息
  • 集群状态（Cluster State），维护了一个集群中必要的信息
    • 所有的节点信息
    • 所有的索引的其相关的 Mapping 与 Setting 信息
    • 分片的路由信息
  • 任意节点都能修改信息会破坏数据的一致性

Data Node 和 Coordinating Node

• Data Node：可以保存数据的节点称作Data Node。该节点负责保存分片数据，在数据扩展上起到了至关重要的作用
  • node.data配置项，默认true
• Coordinating Node
  • 负责接受 Client 的请求，将请求分发到合适的节点，最终把结果汇集到一起
  • 每个节点默认都起到了 Coordinating Node 职责

其他的节点类型

• Hot/Warm Node：不同硬件配置的 Data Node，用来实现 Hot & Warm 架构，降低集群部署的成本
• Machine Learning Node：负责跑机器学习的Job，用来做异常检测
• Tribe Node：Tribe Node 连接到不同的 ES 集群，并且支持将这些集群作为一个单独的集群处理。5.3版本后开始使用Cross Cluster Search

分片（Primary Shard & Replica Shard）

• 主分片：用来解决数据水平扩展的问题。通过主分片，可以将数据分布到集群内的所有节点之上
  • 一个分片是一个运行的 Lucene 实例
  • 主分片数在索引创建时指定，后续不允许修改，除非 Reindex
• 副本：用来解决数据高可用的问题。副本分片时主分片的拷贝
  • 副本分片数，可以动态调整
  • 增加副本数，可以在一定程序上提高服务的可用性（增加读取的吞吐量）
• 生产环境中分片的设定，需要提前做好容量规划
  • 分片数设置过小
    • 导致后续无法增加节点实现水平扩展
    • 单格分片的数据量太大，导致数据重新分片耗时
  • 分片数设置过大
    • 影响搜索结果的相关性打分，影响统计结果的准确性
    • 单格节点上设置过多的分片，会导致资源浪费，同时也会影响性能