如今，越來越多的企業(yè)在業(yè)務場景是使用 Elasticsearch(下文統(tǒng)一稱為 ES) 存儲自己的非結構化數(shù)據(jù)。

[[357043]] 

圖片來自 Pexels

例如電商業(yè)務實現(xiàn)商品站內(nèi)搜索，數(shù)據(jù)指標分析，日志分析等，ES 作為傳統(tǒng)關系型數(shù)據(jù)庫的補充，提供了關系型數(shù)據(jù)庫不具備的一些能力。

ES 最先進入大眾視野的是其能夠實現(xiàn)全文搜索的能力，也是由于基于 Lucene 的實現(xiàn)，內(nèi)部有一種倒排索引的數(shù)據(jù)結構。

本文作者將介紹 ES 的分布式架構，以及 ES 的存儲索引機制，本文不會詳細介紹 ES 的 API，會從整體架構層面進行分析。

什么是倒排索引

要講明白什么是倒排索引，首先我們先梳理下什么索引，比如一本書，書的目錄頁，有章節(jié)，章節(jié)名稱，我們想看哪個章節(jié)，我們通過目錄頁，查到對應章節(jié)和頁碼，就能定位到具體的章節(jié)內(nèi)容。

通過目錄頁的章節(jié)名稱查到章節(jié)的頁碼，進而看到章節(jié)內(nèi)容，這個過程就是一個索引的過程，那么什么是倒排索引呢?

比如查詢《java 編程思想》這本書的文章，翻開書本可以看到目錄頁，記錄這個章節(jié)名字和章節(jié)地址頁碼。

通過查詢章節(jié)名字“繼承”可以定位到“繼承”這篇章節(jié)的具體地址，查看到文章的內(nèi)容，我們可以看到文章內(nèi)容中包含很多“對象”這個詞。

那么如果我們要在這本書中查詢所有包含有“對象”這個詞的文章，那該怎么辦呢?

按照現(xiàn)在的索引方式無疑大海撈針，假設我們有一個“對象”--→文章的映射關系，不就可以了嗎?類似這樣的反向建立映射關系的就叫倒排索引。

如圖 1 所示，將文章進行分詞后得到關鍵詞，在根據(jù)關鍵詞建立倒排索引，關鍵詞構建成一個詞典，詞典中存放著一個個詞條(關鍵詞)，每個關鍵詞都有一個列表與其對應。

 

圖 1

這個列表就是倒排表，存放的是章節(jié)文檔編號和詞頻等信息，倒排列表中的每個元素就是一個倒排項。

最后可以看到，整個倒排索引就像一本新華字典，所有單詞的倒排列表往往順序地存儲在磁盤的某個文件里，這個文件被稱之為倒排文件。

詞典和倒排文件是 Lucene 的兩種基本數(shù)據(jù)結構，但是存儲方式不同，詞典在內(nèi)存中存儲，倒排文件在磁盤上。

本文不會去介紹分詞，tf-idf，BM25，向量空間相似度等構建倒排索引和查詢倒排索引所用到的技術，讀者只需要對倒排索引有個基本的認識即可。

ES 的集群架構

集群節(jié)點

一個 ES 集群可以有多個節(jié)點構成，一個節(jié)點就是一個 ES 服務實例，通過配置集群名稱 cluster.name 加入集群。

那么節(jié)點是如何通過配置相同的集群名稱加入集群的呢?要搞明白這個問題，我們必須先搞清楚 ES 集群中節(jié)點的角色。

ES 中節(jié)點有角色的區(qū)分的，通過配置文件 conf/elasticsearch.yml 中配置以下配置進行角色的設定。

node.master: true/false 
node.data: true/false 

集群中單個節(jié)點既可以是候選主節(jié)點也可以是數(shù)據(jù)節(jié)點，通過上面的配置可以進行兩兩組合形成四大分類：

• 僅為候選主節(jié)點
• 既是候選主節(jié)點也是數(shù)據(jù)節(jié)點
• 僅為數(shù)據(jù)節(jié)點
• 既不是候選主節(jié)點也不是數(shù)據(jù)節(jié)點

候選主節(jié)點：只有是候選主節(jié)點才可以參與選舉投票，也只有候選主節(jié)點可以被選舉為主節(jié)點。

主節(jié)點：負責索引的添加、刪除，跟蹤哪些節(jié)點是群集的一部分，對分片進行分配、收集集群中各節(jié)點的狀態(tài)等，穩(wěn)定的主節(jié)點對集群的健康是非常重要。

數(shù)據(jù)節(jié)點：負責對數(shù)據(jù)的增、刪、改、查、聚合等操作，數(shù)據(jù)的查詢和存儲都是由數(shù)據(jù)節(jié)點負責，對機器的 CPU，IO 以及內(nèi)存的要求比較高，一般選擇高配置的機器作為數(shù)據(jù)節(jié)點。

此外還有一種節(jié)點角色叫做協(xié)調(diào)節(jié)點，其本身不是通過設置來分配的，用戶的請求可以隨機發(fā)往任何一個節(jié)點，并由該節(jié)點負責分發(fā)請求、收集結果等操作，而不需要主節(jié)點轉發(fā)。

這種節(jié)點可稱之為協(xié)調(diào)節(jié)點，集群中的任何節(jié)點都可以充當協(xié)調(diào)節(jié)點的角色。每個節(jié)點之間都會保持聯(lián)系。

 

圖 2

發(fā)現(xiàn)機制

前文說到通過設置一個集群名稱，節(jié)點就可以加入集群，那么 ES 是如何做到這一點的呢?

這里就要講一講 ES 特殊的發(fā)現(xiàn)機制 ZenDiscovery。

ZenDiscovery 是 ES 的內(nèi)置發(fā)現(xiàn)機制，提供單播和多播兩種發(fā)現(xiàn)方式，主要職責是集群中節(jié)點的發(fā)現(xiàn)以及選舉 Master 節(jié)點。

多播也叫組播，指一個節(jié)點可以向多臺機器發(fā)送請求。生產(chǎn)環(huán)境中 ES 不建議使用這種方式，對于一個大規(guī)模的集群，組播會產(chǎn)生大量不必要的通信。

單播，當一個節(jié)點加入一個現(xiàn)有集群，或者組建一個新的集群時，請求發(fā)送到一臺機器。

當一個節(jié)點聯(lián)系到單播列表中的成員時，它就會得到整個集群所有節(jié)點的狀態(tài)，然后它會聯(lián)系 Master 節(jié)點，并加入集群。

只有在同一臺機器上運行的節(jié)點才會自動組成集群。ES 默認被配置為使用單播發(fā)現(xiàn)，單播列表不需要包含集群中的所有節(jié)點，它只是需要足夠的節(jié)點，當一個新節(jié)點聯(lián)系上其中一個并且通信就可以了。

如果你使用 Master 候選節(jié)點作為單播列表，你只要列出三個就可以了。

這個配置在 elasticsearch.yml 文件中：

discovery.zen.ping.unicast.hosts: ["host1", "host2:port"] 

集群信息收集階段采用了 Gossip 協(xié)議，上面配置的就相當于一個 seed nodes，Gossip 協(xié)議這里就不多做贅述了。

ES 官方建議 unicast.hosts 配置為所有的候選主節(jié)點，ZenDiscovery 會每隔 ping_interval(配置項)ping 一次。

每次超時時間是 discovery.zen.ping_timeout(配置項)，3 次(ping_retries 配置項)ping 失敗則認為節(jié)點宕機，宕機的情況下會觸發(fā) failover，會進行分片重分配、復制等操作。

如果宕機的節(jié)點不是 Master，則 Master 會更新集群的元信息，Master 節(jié)點將最新的集群元信息發(fā)布出去，給其他節(jié)點。

其他節(jié)點回復 Ack，Master 節(jié)點收到 discovery.zen.minimum_master_nodes 的值 -1 個候選主節(jié)點的回復，則發(fā)送 Apply 消息給其他節(jié)點，集群狀態(tài)更新完畢。

如果宕機的節(jié)點是 Master，則其他的候選主節(jié)點開始 Master 節(jié)點的選舉流程。

①選主

Master 的選主過程中要確保只有一個 master，ES 通過一個參數(shù) quorum 的代表多數(shù)派閾值，保證選舉出的 master 被至少 quorum 個的候選主節(jié)點認可，以此來保證只有一個 master。

選主的發(fā)起由候選主節(jié)點發(fā)起，當前候選主節(jié)點發(fā)現(xiàn)自己不是 master 節(jié)點，并且通過 ping 其他節(jié)點發(fā)現(xiàn)無法聯(lián)系到主節(jié)點。

并且包括自己在內(nèi)已經(jīng)有超過 minimum_master_nodes 個節(jié)點無法聯(lián)系到主節(jié)點，那么這個時候則發(fā)起選主。

選主流程圖如下：

 

圖 3

選主的時候按照集群節(jié)點的參數(shù)

排序后第一個節(jié)點即為 Master 節(jié)點。當一個候選主節(jié)點發(fā)起一次選舉時，它會按照上述排序策略選出一個它認為的 Master。

②腦裂

提到分布式系統(tǒng)選主，不可避免的會提到腦裂這樣一個現(xiàn)象，什么是腦裂呢?如果集群中選舉出多個 Master 節(jié)點，使得數(shù)據(jù)更新時出現(xiàn)不一致，這種現(xiàn)象稱之為腦裂。

簡而言之集群中不同的節(jié)點對于 Master 的選擇出現(xiàn)了分歧，出現(xiàn)了多個 Master 競爭。

一般而言腦裂問題可能有以下幾個原因造成：

• 網(wǎng)絡問題：集群間的網(wǎng)絡延遲導致一些節(jié)點訪問不到 Master，認為 Master 掛掉了，而 master 其實并沒有宕機，而選舉出了新的 Master，并對 Master 上的分片和副本標紅，分配新的主分片。
• 節(jié)點負載：主節(jié)點的角色既為 Master 又為 Data，訪問量較大時可能會導致 ES 停止響應(假死狀態(tài))造成大面積延遲，此時其他節(jié)點得不到主節(jié)點的響應認為主節(jié)點掛掉了，會重新選取主節(jié)點。
• 內(nèi)存回收：主節(jié)點的角色既為 Master 又為 Data，當 Data 節(jié)點上的 ES 進程占用的內(nèi)存較大，引發(fā) JVM 的大規(guī)模內(nèi)存回收，造成 ES 進程失去響應。

如何避免腦裂：我們可以基于上述原因，做出優(yōu)化措施：

• 適當調(diào)大響應超時時間，減少誤判。通過參數(shù) discovery.zen.ping_timeout 設置節(jié)點 ping 超時時間，默認為 3s，可以適當調(diào)大。
• 選舉觸發(fā)，我們需要在候選節(jié)點的配置文件中設置參數(shù) discovery.zen.munimum_master_nodes 的值。

這個參數(shù)表示在選舉主節(jié)點時需要參與選舉的候選主節(jié)點的節(jié)點數(shù)，默認值是 1，官方建議取值(master_eligibel_nodes/2)+1，其中 master_eligibel_nodes 為候選主節(jié)點的個數(shù)。

這樣做既能防止腦裂現(xiàn)象的發(fā)生，也能最大限度地提升集群的高可用性，因為只要不少于 discovery.zen.munimum_master_nodes 個候選節(jié)點存活，選舉工作就能正常進行。

當小于這個值的時候，無法觸發(fā)選舉行為，集群無法使用，不會造成分片混亂的情況。

• 角色分離，即是上面我們提到的候選主節(jié)點和數(shù)據(jù)節(jié)點進行角色分離，這樣可以減輕主節(jié)點的負擔，防止主節(jié)點的假死狀態(tài)發(fā)生，減少對主節(jié)點宕機的誤判。

索引如何寫入的

寫索引原理

①分片

ES 支持 PB 級全文搜索，通常我們數(shù)據(jù)量很大的時候，查詢性能都會越來越慢，我們能想到的一個方式的將數(shù)據(jù)分散到不同的地方存儲。

ES 也是如此，ES 通過水平拆分的方式將一個索引上的數(shù)據(jù)拆分出來分配到不同的數(shù)據(jù)塊上，拆分出來的數(shù)據(jù)庫塊稱之為一個分片 Shard，很像 MySQL 的分庫分表。

不同的主分片分布在不同的節(jié)點上，那么在多分片的索引中數(shù)據(jù)應該被寫入哪里?

肯定不能隨機寫，否則查詢的時候就無法快速檢索到對應的數(shù)據(jù)了，這需要有一個路由策略來確定具體寫入哪一個分片中，怎么路由我們下文會介紹。

在創(chuàng)建索引的時候需要指定分片的數(shù)量，并且分片的數(shù)量一旦確定就不能修改。

②副本

副本就是對分片的復制，每個主分片都有一個或多個副本分片，當主分片異常時，副本可以提供數(shù)據(jù)的查詢等操作。

主分片和對應的副本分片是不會在同一個節(jié)點上的，避免數(shù)據(jù)的丟失，當一個節(jié)點宕機的時候，還可以通過副本查詢到數(shù)據(jù)，副本分片數(shù)的最大值是 N-1(其中 N 為節(jié)點數(shù))。

對 doc 的新建、索引和刪除請求都是寫操作，這些寫操作是必須在主分片上完成，然后才能被復制到對應的副本上。

ES 為了提高寫入的能力這個過程是并發(fā)寫的，同時為了解決并發(fā)寫的過程中數(shù)據(jù)沖突的問題，ES 通過樂觀鎖的方式控制，每個文檔都有一個 _version 號，當文檔被修改時版本號遞增。

一旦所有的副本分片都報告寫成功才會向協(xié)調(diào)節(jié)點報告成功，協(xié)調(diào)節(jié)點向客戶端報告成功。

 

圖 4

③Elasticsearch 的寫索引流程

上面提到了寫索引是只能寫在主分片上，然后同步到副本分片，那么如圖 4 所示，這里有四個主分片分別是 S0、S1、S2、S3，一條數(shù)據(jù)是根據(jù)什么策略寫到指定的分片上呢?

這條索引數(shù)據(jù)為什么被寫到 S0 上而不寫到 S1 或 S2 上?這個過程是根據(jù)下面這個公式?jīng)Q定的：

shard = hash(routing) % number_of_primary_shards 

以上公式的值是在 0 到 number_of_primary_shards-1 之間的余數(shù)，也就是數(shù)據(jù)檔所在分片的位置。

routing 通過 Hash 函數(shù)生成一個數(shù)字，然后這個數(shù)字再除以 number_of_primary_shards(主分片的數(shù)量)后得到余數(shù)。

routing 是一個可變值，默認是文檔的 _id ，也可以設置成一個自定義的值。

在一個寫請求被發(fā)送到某個節(jié)點后，該節(jié)點按照前文所述，會充當協(xié)調(diào)節(jié)點，會根據(jù)路由公式計算出寫哪個分片，當前節(jié)點有所有其他節(jié)點的分片信息，如果發(fā)現(xiàn)對應的分片是在其他節(jié)點上，再將請求轉發(fā)到該分片的主分片節(jié)點上。

在 ES 集群中每個節(jié)點都通過上面的公式知道數(shù)據(jù)的在集群中的存放位置，所以每個節(jié)點都有接收讀寫請求的能力。

那么為什么在創(chuàng)建索引的時候就確定好主分片的數(shù)量，并且不可修改?因為如果數(shù)量變化了，那么所有之前路由計算的值都會無效，數(shù)據(jù)也就再也找不到了。

 

圖 5

如上圖 5 所示，當前一個數(shù)據(jù)通過路由計算公式得到的值是 shard=hash(routing)%4=0。

則具體流程如下：

• 數(shù)據(jù)寫請求發(fā)送到 node1 節(jié)點，通過路由計算得到值為 1，那么對應的數(shù)據(jù)會應該在主分片 S1 上。
• node1 節(jié)點將請求轉發(fā)到 S1 主分片所在的節(jié)點 node2，node2 接受請求并寫入到磁盤。
• 并發(fā)將數(shù)據(jù)復制到三個副本分片 R1 上，其中通過樂觀并發(fā)控制數(shù)據(jù)的沖突。一旦所有的副本分片都報告成功，則節(jié)點 node2 將向 node1 節(jié)點報告成功，然后 node1 節(jié)點向客戶端報告成功。

這種模式下，只要有副本在，寫入延時最小也是兩次單分片的寫入耗時總和，效率會較低。

但是這樣的好處也很明顯，避免寫入后單個機器硬件故障導致數(shù)據(jù)丟失，在數(shù)據(jù)完整性和性能方面，一般都是優(yōu)先選擇數(shù)據(jù)，除非一些允許丟數(shù)據(jù)的特殊場景。

在 ES 里為了減少磁盤 IO 保證讀寫性能，一般是每隔一段時間(比如 30 分鐘)才會把數(shù)據(jù)寫入磁盤持久化。

對于寫入內(nèi)存，但還未 flush 到磁盤的數(shù)據(jù)，如果發(fā)生機器宕機或者掉電，那么內(nèi)存中的數(shù)據(jù)也會丟失，這時候如何保證?

對于這種問題，ES 借鑒數(shù)據(jù)庫中的處理方式，增加 CommitLog 模塊，在 ES 中叫 transLog，在下面的 ES 存儲原理中會介紹。

存儲原理

上面介紹了在 ES 內(nèi)部的寫索引處理流程，數(shù)據(jù)在寫入到分片和副本上后，目前數(shù)據(jù)在內(nèi)存中，要確保數(shù)據(jù)在斷電后不丟失，還需要持久化到磁盤上。

我們知道 ES 是基于 Lucene 實現(xiàn)的，內(nèi)部是通過 Lucene 完成的索引的創(chuàng)建寫入和搜索查詢。

Lucene 工作原理如下圖所示，當新添加一片文檔時，Lucene 進行分詞等預處理，然后將文檔索引寫入內(nèi)存中，并將本次操作寫入事務日志(transLog)。

transLog 類似于 MySQL 的 binlog，用于宕機后內(nèi)存數(shù)據(jù)的恢復，保存未持久化數(shù)據(jù)的操作日志。

默認情況下，Lucene 每隔 1s(refresh_interval 配置項)將內(nèi)存中的數(shù)據(jù)刷新到文件系統(tǒng)緩存中，稱為一個 segment(段)。

一旦刷入文件系統(tǒng)緩存，segment 才可以被用于檢索，在這之前是無法被檢索的。

因此 refresh_interval 決定了 ES 數(shù)據(jù)的實時性，因此說 ES 是一個準實時的系統(tǒng)。

segment 在磁盤中是不可修改的，因此避免了磁盤的隨機寫，所有的隨機寫都在內(nèi)存中進行。

隨著時間的推移，segment 越來越多，默認情況下，Lucene 每隔 30min 或 segment 空間大于 512M，將緩存中的 segment 持久化落盤，稱為一個 commit point，此時刪掉對應的 transLog。

當我們在進行寫操作的測試的時候，可以通過手動刷新來保障數(shù)據(jù)能夠被及時檢索到，但是不要在生產(chǎn)環(huán)境下每次索引一個文檔都去手動刷新，刷新操作會有一定的性能開銷。一般業(yè)務場景中并不都需要每秒刷新。

可以通過在 Settings 中調(diào)大 refresh_interval = "30s" 的值，來降低每個索引的刷新頻率，設值時需要注意后面帶上時間單位，否則默認是毫秒。

當 refresh_interval=-1 時表示關閉索引的自動刷新。

 

圖 6

索引文件分段存儲并且不可修改，那么新增、更新和刪除如何處理呢?

• 新增，新增很好處理，由于數(shù)據(jù)是新的，所以只需要對當前文檔新增一個段就可以了。
• 刪除，由于不可修改，所以對于刪除操作，不會把文檔從舊的段中移除而是通過新增一個 .del 文件，文件中會列出這些被刪除文檔的段信息，這個被標記刪除的文檔仍然可以被查詢匹配到， 但它會在最終結果被返回前從結果集中移除。
• 更新，不能修改舊的段來進行文檔的更新，其實更新相當于是刪除和新增這兩個動作組成。會將舊的文檔在 .del 文件中標記刪除，然后文檔的新版本中被索引到一個新的段?？赡軆蓚€版本的文檔都會被一個查詢匹配到，但被刪除的那個舊版本文檔在結果集返回前就會被移除。

segment 被設定為不可修改具有一定的優(yōu)勢也有一定的缺點。

優(yōu)點：

• 不需要鎖。如果你從來不更新索引，你就不需要擔心多進程同時修改數(shù)據(jù)的問題。
• 一旦索引被讀入內(nèi)核的文件系統(tǒng)緩存，便會留在哪里，由于其不變性。只要文件系統(tǒng)緩存中還有足夠的空間，那么大部分讀請求會直接請求內(nèi)存，而不會命中磁盤。這提供了很大的性能提升.
• 其它緩存(像 Filter 緩存)，在索引的生命周期內(nèi)始終有效。它們不需要在每次數(shù)據(jù)改變時被重建，因為數(shù)據(jù)不會變化。
• 寫入單個大的倒排索引允許數(shù)據(jù)被壓縮，減少磁盤 I/O 和需要被緩存到內(nèi)存的索引的使用量。

缺點：

• 當對舊數(shù)據(jù)進行刪除時，舊數(shù)據(jù)不會馬上被刪除，而是在 .del 文件中被標記為刪除。而舊數(shù)據(jù)只能等到段更新時才能被移除，這樣會造成大量的空間浪費。
• 若有一條數(shù)據(jù)頻繁的更新，每次更新都是新增新的，標記舊的，則會有大量的空間浪費。
• 每次新增數(shù)據(jù)時都需要新增一個段來存儲數(shù)據(jù)。當段的數(shù)量太多時，對服務器的資源例如文件句柄的消耗會非常大。
• 在查詢的結果中包含所有的結果集，需要排除被標記刪除的舊數(shù)據(jù)，這增加了查詢的負擔。

①段合并

由于每當刷新一次就會新建一個 segment(段)，這樣會導致短時間內(nèi)的段數(shù)量暴增，而 segment 數(shù)目太多會帶來較大的麻煩。

大量的 segment 會影響數(shù)據(jù)的讀性能。每一個 segment 都會消耗文件句柄、內(nèi)存和 CPU 運行周期。

更重要的是，每個搜索請求都必須輪流檢查每個 segment 然后合并查詢結果，所以 segment 越多，搜索也就越慢。

因此 Lucene 會按照一定的策略將 segment 合并，合并的時候會將那些舊的已刪除文檔從文件系統(tǒng)中清除。被刪除的文檔不會被拷貝到新的大 segment 中。

合并的過程中不會中斷索引和搜索，倒排索引的數(shù)據(jù)結構使得文件的合并是比較容易的。

段合并在進行索引和搜索時會自動進行，合并進程選擇一小部分大小相似的段，并且在后臺將它們合并到更大的段中，這些段既可以是未提交的也可以是已提交的。

合并結束后老的段會被刪除，新的段被刷新到磁盤，同時寫入一個包含新段且排除舊的和較小的段的新提交點，新的段被打開，可以用來搜索。

段合并的計算量龐大，而且還要吃掉大量磁盤 I/O，并且段合并會拖累寫入速率，如果任其發(fā)展會影響搜索性能。

ES 在默認情況下會對合并流程進行資源限制，所以搜索性能可以得到保證。

 

圖 7

寫在最后

本文對 ES 的架構原理和索引存儲和寫機制進行介紹，ES 的整體架構體系相對比較巧妙，我們在進行系統(tǒng)設計的時候可以借鑒其設計思路，本文只介紹 ES 整體架構部分。

作者：官網(wǎng)商城開發(fā)團隊

編輯：陶家龍

出處：轉載自公眾號vivo互聯(lián)網(wǎng)技術(ID：vivoVMIC)