13-ES集群模式
ES集群
单机的elasticsearch做数据存储，必然面临两个问题：海量数据存储问题、单点故障问题。
- 海量数据存储问题：将索引库从逻辑上拆分为N个分片（shard），存储到多个节点
- 单点故障问题：将分片数据在不同节点备份（replica ）
ES集群相关概念:
-
集群（cluster）：一组拥有共同的 cluster name 的 节点。
-
节点（node) ：集群中的一个 Elasticearch 实例
-
分片（shard）：索引可以被拆分为不同的部分进行存储，称为分片。在集群环境下，一个索引的不同分片可以拆分到不同的节点中
解决问题：数据量太大，单点存储量有限的问题。
此处，我们把数据分成3片：shard0、shard1、shard2
-
主分片（Primary shard）：相对于副本分片的定义。
-
副本分片（Replica shard）每个主分片可以有一个或者多个副本，数据和主分片一样。
数据备份可以保证高可用，但是每个分片备份一份，所需要的节点数量就会翻一倍，成本实在是太高了！
为了在高可用和成本间寻求平衡，我们可以这样做：
- 首先对数据分片，存储到不同节点
- 然后对每个分片进行备份，放到对方节点，完成互相备份
这样可以大大减少所需要的服务节点数量，如图，我们以3分片，每个分片备份一份为例：
现在，每个分片都有1个备份，存储在3个节点：
- node0：保存了分片0和1
- node1：保存了分片0和2
- node2：保存了分片1和2
搭建ES集群
参考：https://blog.csdn.net/qq_41167306/article/details/122899932
集群脑裂问题
集群职责划分
elasticsearch中集群节点有不同的职责划分：
| 节点类型 | 配置参数 | 默认值 | 节点职责 |
|---|---|---|---|
| master eligible | node.master | true | 备选主节点：主节点可以通过管理和记录集群状态，决定分片在那个节点，处理创建和删除索引的请求 |
| data | node.data | true | 数据节点：存储数据、搜索、聚合、crud |
| ingest | node.ingest | true | 数据存储之前的预处理 |
| coordinating | 上面三个参数都为false则为coordinating节点 | 无 | 路由请求到其他节点合并其他节点处理的结果，返回给用户 |
默认情况下，集群中的任何一个节点都同时具备上述四种角色。
但是真实的集群一定要将集群职责分离：
- master节点：对CPU要求高，但是内存要求低
- data节点：对CPU和内存要求都高
- coordinating节点：对网络带宽、CPU要求高
职责分离可以让我们根据不同节点的需求分配不同的硬件去部署。而且避免业务之间的互相干扰。
一个典型的es集群职责划分如图：
脑裂问题
脑裂是因为集群中的节点失联导致的。
例如一个集群中，主节点与其它节点失联：
此时，node2和node3认为node1宕机，就会重新选主：
当node3当选后，集群继续对外提供服务，node2和node3自成集群，node1自成集群，两个集群数据不同步，出现数据差异。
当网络恢复后，因为集群中有两个master节点，集群状态的不一致，出现脑裂的情况：
解决脑裂的方案是，要求选票超过 ( eligible节点数量 + 1 ）/ 2 才能当选为主，因此eligible节点数量最好是奇数。对应配置项是discovery.zen.minimum_master_nodes，在es7.0以后，已经成为默认配置，因此一般不会发生脑裂问题
例如：3个节点形成的集群，选票必须超过 （3 + 1） / 2 ，也就是2票。node3得到node2和node3的选票，当选为主。node1只有自己1票，没有当选。集群中依然只有1个主节点，没有出现脑裂。
小结
master eligible节点的作用是什么？
- 参与集群选主
- 主节点可以管理集群状态、管理分片信息、处理创建和删除索引库的请求
data节点的作用是什么？
- 数据的CRUD
coordinator节点的作用是什么？
-
路由请求到其它节点
-
合并查询到的结果，返回给用户
集群分布式存储
分片存储测试
插入数据
修改不同参数id=1,3,5,执行以下操作插入三条数据：
查询验证分片结果
结果：
{
"took": 1258,
"timed_out": false,
"_shards": {
"total": 3,
"successful": 3,
"skipped": 0,
"failed": 0
},
"hits": {
"total": {
"value": 3,
"relation": "eq"
},
"max_score": 1.0,
"hits": [
{
"_shard": "[bttc][0]",
"_node": "1TV3U0IkRhOnLGVUTZ8_zA",
"_index": "bttc",
"_type": "_doc",
"_id": "5",
"_score": 1.0,
"_source": {
"title": "插入一条 id=5"
},
"_explanation": {
"value": 1.0,
"description": "*:*",
"details": []
}
},
{
"_shard": "[bttc][1]",
"_node": "PJK1ZCtIR3ic5yMB1WWMEA",
"_index": "bttc",
"_type": "_doc",
"_id": "3",
"_score": 1.0,
"_source": {
"title": "插入一条 id=3"
},
"_explanation": {
"value": 1.0,
"description": "*:*",
"details": []
}
},
{
"_shard": "[bttc][2]",
"_node": "LVWvQtQMR2y8MTXMxGREiA",
"_index": "bttc",
"_type": "_doc",
"_id": "1",
"_score": 1.0,
"_source": {
"title": "插入一条 id=1"
},
"_explanation": {
"value": 1.0,
"description": "*:*",
"details": []
}
}
]
}
}
分片存储原理
elasticsearch会通过hash算法来计算文档应该存储到哪个分片：
shard = hash(_routing) % number_of_shards
说明：
- _routing默认是文档的id
- 算法与分片数量有关，因此索引库一旦创建，分片数量不能修改！
新增文档的流程如下：
解读：
- 新增一个id=1的文档
- 对id做hash运算，假如得到的是2，则应该存储到shard-2
- shard-2的主分片在node3节点，将数据路由到node3
- 保存文档
- 同步给shard-2的副本replica-2，在node2节点
- 返回结果给coordinating-node节点
集群分布式查询
elasticsearch的查询分成两个阶段：
- scatter phase：分散阶段，coordinating node会把请求分发到每一个分片
- gather phase：聚集阶段，coordinating node汇总data node的搜索结果，并处理为最终结果集返回给用户
集群故障转移
集群的master节点会监控集群中的节点状态，如果发现有节点宕机，会立即将宕机节点的分片数据迁移到其它节点，确保数据安全，称作故障转移。
1.例如一个集群结构如图：
现在，node1是主节点，其它两个节点是从节点。
2.如果node1发生了故障：
3.宕机后的第一件事，需要重新选主，例如选中了node2：
4.node2成为主节点后，会检测集群监控状态，发现：shard-1、shard-0没有副本节点。因此需要将node1上的数据迁移到node2、node3：
