Elasticsearch 架构设计及说明

Elasticsearch 架构设计及说明

Elasticsearch 架构层：

Elasticsearch 五层架构设计图：

说明：

• Elasticsearch是基于Lucene架构实现的，所以其核心层为Lucene
• Elasticsearch 目前支持HTTP、Thrift、Memcache三种协议，默认是HTTP
• JMX指在Elasticsearch中对 Java 的管理架构，用来管理Elasticsearch应用

一、节点自动发现机制

• 在进行Elasticsearch 分布式安装过程中，我们通过在elasticsearch.yml文件中配置 ‘cluster.name’就能将不同的节点连接到同一个
  集群中，正是使用了Elasticsearch的节点发现机制。Elasticsearch内置有默认发现模块，同时也支持插件方式的发现机制。
• 发现机制用于发现集群中的节点和选举主节点（master节点）

Elasticsearch内嵌自动发现机制：

• Azure discovery 插件方式：多播模式
• EC2 discovery 插件方式：多播模式
• Google Compute Engine discovery 插件方式：多播模式
• **Zen Discovery **：默认实现方式，支持多播模式和单播模式。提供了单播模式和基于文件的发现，并且可以扩展为通过插件支持其他形式的发现机制。

单播模式和多播模式配置参数：

• discovery.zen.ping.multicast.enabled：表示关闭多播模式的自动发现机制，主要为了防止其他机器上的节点自动接入。
• discovery.zen.fd.ping_timeout 与 discovery.zen.ping.timeout：表示设置了节点和节点之间连接ping命令执行的超时时长。
• discovery.zen.minimum_master_nodes：表示集群中选举主节点时至少需要有多少个节点参与
• discovery.zen.ping.unicast.hosts：表示在单播模式下，节点应该自动发现哪些节点列表
• action_create_index：false表示关闭自动创建索引

如：

discovery.zen.ping.multicast.enabled:true
discovery.zen.fd.ping_timeout:100s
discovery.zen.ping.timeou:100s
discovery.zen.minimum_master_nodes:2
discovery.zen.ping.unicast.hosts:['192.168.x1.y1:9300','192.168.x2.y2:9300']
action_create_index:false

1、单播模式

• Elasticsearch支持同一台主机启动多个节点，所以只有在同一台机器上运行的节点才会自动组成集群。
• 单播模式下，需要配置Elasticsearch，填写集群中的IP地址列表。如下：
  discovery.zen.ping.unicast.hosts:[‘192.168.x1.y1:9300’,‘192.168.x2.y2:9300’]

单播模式下的配置信息：

discovery.zen.ping.multicast.enabled:false
discovery.zen.fd.ping_timeout:100s
discovery.zen.ping.timeou:100s
discovery.zen.minimum_master_nodes:2
discovery.zen.ping.unicast.hosts:['192.168.x1.y1:9300','192.168.x2.y2:9300']

集群构建及主节点选举过程：

1. 节点启动后执行ping命令（RPC命令），如果discovery.zen.ping.unicast.hosts中有设置，则ping设置hosts中，否则尝试ping localhost的几个端口。最后返回包含节点的基本信息以及该节点认为的主节点。
2. 从各个节点认为的master中，按照ID的字典排序选取第一个为主节点。如果各个节点没有认为的master，则从各个节点中按照ID字典排序选取第一个作为主节点。

注：

• 在选举主节点时，如果节点数达不到最小值得限制（discovery.zen.minimum_master_nodes:num），则循环集群构建与主节点选举过程，直到节点数超过最小限制值，才可以开始选举主节点。
• 如果只有一个本地节点，则主节点就是它自己。
• 如果当前节点是主节点了，则需要等到节点数达到限制值，再提供服务
• 如果当前节点不是主节点，则尝试加入主节点所在的集群

2、多播模式

• 多播模式下，只需在每个节点配置好集群名称和节点名称即可。互相通信的节点会更加Elasticsearch自定义的服务发现协议，按照多播的方式
  寻找网络上配置在同样集群内的节点。
• 【注】虽然Elasticsearch支持多播和单播模式两种自动节点发现机制，但是多播模式安全性不高，已经不被多大数操作系统支持。目前Elasticsearch默认发现机制为单播模式,以防止节点无意中加入集群。所以是配置中需要将多播模式关闭，如下：discovery.zen.ping.multicast.enabled: false

二、节点类型

节点角色在配置文件（/config）elasticsearch.yml文件中设置即可，如下：
# 是否为候选主节点
node.master:true
# 是否为数据节点
node.data:true

三、分片和路由

由于Elasticsearch中，在一个多分片的索引中写入数据时，需要通过路由来确定具体陷入哪一个分片中，所以在创建索引时需要指定分片数量，配置副本，并且分片的数量一旦确定就不能修改。

1、分片

通过配置创建索引时的Setting来配置分片和副本数量，如下：

index.number_of_shards:5
index.number_of_replicas:1

补充说明：

• 对文档的新建、索引和删除请求等写操作，必须在主分片上面完成之后才能被复制到副本分片。
• Elasticsearch 使用乐观锁来控制加快写入速度的并发写入引起的数据冲突问题，通过为每个文档设置一个version(版本号)，当文档被修改时版本号递增来实现。
• 当向Elasticsearch写入数据时，Elasticsearch根据文档标识符ID将文档分配到多个分片上，当查询数据时，Elasticsearch会查询所有的分片并汇总结果。
• 对于分片，用户并不知道数据存在哪个分片上。

2、路由

• 为了避免查询时部分分片查询失败影响结果的准确性，Elasticsearch引入了路由功能。
• 当数据写入时，通过路由将数据写入指定分片；
• 当查询数据时，通过相同的路由指明在哪个分片将数据查出来

索引数据分片算法：

shard_num = hash(_routing) % num_primary_shards  #_routing默认为id字段或者parent字段

补充说明：

• 通过 Hash 分片来保证在每个分片上的数据量能均匀分布，避免各个分片的存储负载不均衡
• 在做数据检索时，Elasticsearch默认会搜索所有分片上的数据，最后再主节点上汇总各个分片数据并排序处理，返回最终的结果数据。

四、Elasticsearch 数据写入过程

数据存储路径配置：（/config）elasticsearch.yml文件中

path.data:/path/to/data # 索引数据
path.logs:/path/to/logs # 日志数据

【注】不建议使用默认值，防止升级Elasticsearch而导致数据部分甚至全部丢失

1、分段存储

• 在索引中，索引文件被拆分为多个子文件，其中每个子文件就叫做段，且每个段都是一个倒排索引的小单元
• 索引数据在磁盘中是以分段形式存储的
• 段具有不可变性，一旦索引的数据被写入硬盘，就不能在修改

我们可以思考一下，为什么Elasticsearch中数据的存储要引入段？

• 如果熟悉CurrentHashMap原理的，可以想到其中的缘由，引入段就是为了减少锁的使用，提高并发。
• 假设我们将全部文档集合构建在一个很大的倒排索引文件中，且数据还在不断增加，那么当我们进行修改时，就需要全量更新当前的倒排索引文件
  这样就使得数据更新变得时效性很差，且耗费大量资源。
• 引入段的存储模式，避免了在读写操作时使用锁，从而大大提升Elasticsearch的读写性能。

当段被写入磁盘后会生成一个提交点，并生成一个用来记录所有段信息的文件，则对于该文件段只有读的权限，永远失去写的权限。同时该部分数据可以被 Elasticsearch 用户检索到。而当段还在内存中时，此时分段只拥有写的权限，数据还能不断写入，但不具备读数据的权限，且无法被 Elasticsearch 用户检索到。

如果段一旦提交不能再写，那么我们如何进行 ’改‘ （新增、更新和删除）的操作呢？

• 在面对段的不可修改特性，Elasticsearch采用不将文档从旧段中移除，而是新增一个.del文件，记录被 ‘改’ 文档的段信息。
• 当用户检索时，文档依然可以被查询到，但他会在最终结果被返回前通过.del文件将其从结果集中移除。
• 如当更新数据时，会先创建一个段，然后将更新好的数据写入新段中，生成提交点，再在.del文件中标记旧段，从而达到更新的效果。

段的优缺点：

• 优点：不需要锁，大大提升了 Elasticsearch 的读写性能
• 缺点1：存储空间占用大，如当删除旧数据时，旧数据不会被马上删除，而是在.del文件中标记为删除，只有等到段更新时才被移除。这就导致了存储空间的浪费，倘若频繁更新数据，则每次更新都是新增新的数据到新分段，并标记旧的分段中的数据，存储空间的浪费会更多。
• 缺点2：在检索数据时，检索得到的数据集中包含所有的结果集，因此主节点需要排除被标记删除的旧数据，进而增加了查询负担。

2、延迟写策略

Elasticsearch中，索引写入磁盘是异步写入的。为了提升写的性能，延迟写策略采用了 ‘延迟写策略’ 来解决新增一条数据就添加一个段到磁盘上的问题。

延迟写策略执行过程：

补充说明：

• JVM内存中的数据不以段形式存储，无法提供检索功能

• 当生成段后便可以提供检索功能，无需等到刷新到磁盘。

• 刷新除了自动刷新，开发人员可以手动触发刷新

• 可通过在创建索引时的Setting文件中配置 refresh_interval的值，来调整索引的刷新频率。如

  refresh_interval = number 时间单位  # 设置值时需要注意带上时间单位，否则默认为ms（毫秒）
  refresh_interval = -1 # 表示关闭索引的自动刷新
  

延迟写策略优缺点：

• 优点：减少数据往磁盘上写的次数，提升Elasticsearch的整体写入能力
• 缺点：引入数据丢失风险，如机器断电等。

为了解决延迟写策略引入的数据丢失风险，Elasticsearch又引入了 事务日志（Translog）机制，用于记录所有还没有持久化到磁盘的数据。

添加事务日志机制后的数据写入索引流程：

1. 新文档被索引之后，先被写入内存中。为了防止数据丢失，Elasticsearch会追加一份数据到事务日志中。
2. 新的文档持续在被写入内存时，同时也会记录到事务日志中。此时，新数据不能被检索和查询
3. 当达到默认的刷新时间或内存中的数据达到一定量后，触发一次Refresh刷新将内存中的数据以一个新段格式刷新到文件缓存系统中，并清空内存。（形成段，可提供检索和查询，且不可修改）
4. 随着新文档索引不断写入，当日志数据大小超过某个值(512MB)，或者超过一定时间（30min）时，触发一次Flush，此时文件缓存系统中的数据通过Fsync刷新到磁盘中，生成提交点。同时删除日志文件，并创建一个空的新日志文件。
   

3、段合并

• ElasticSearch自动刷新阶段，每秒都会创建一个新段。因此，极短时间内会产生大量段，消耗较大的资源，如文件句柄、内存和CPU。
• 检索阶段，由于搜索要求检查到每个段，然后合并查询结果，因此段越多，搜索速度越慢。

为了解决段增多的问题，Elasticsearch引入了段合并机制，定期将较小的段合并到较大的段中，而较大的段合并到更大的段中；

说明：

• 在段合并过程中，Elasticsearch会将旧的\已删除的文件从文件系统中清除，从而保证旧的\删除的文档不会被拷贝到新的大段中；
• 段合并机制是自动进行索引和搜索的，它们会选择一小部分大小相似的段，在后台将它们合并到更大的段中。
• 合并的段可以是未提交的，也可以是已提交的。
• 合并结束后，老的段会被删除，新段被Refresh到磁盘，同时写入一个包含新段且排除旧的和较小段的新提交点。
• 由于段合并需要很大的计算量，因此，Elasticsearch在默认情况下会对段合并流程进行资源限制。