当前位置：首页 > news >正文

ElasticSearch 简介

news 文章来源：https://blog.csdn.net/xfp1007907124/article/details/144476969 2025/5/10 16:26:28

一、什么是 ElastcSearch？

ElasticSearch 是基于 Lucene 的 Restful 的分布式实时全文搜索引擎。

1.1 ElasticSearh 的基本术语概念

index 索引
索引类似与 mysql 中的数据库，ES 中的索引是存储数据的地方，包含了一堆有相似结构的文档数据。
type 类型
类型是用来定义数据结构的，可以认为是 mysql 中的一张表，type 是 index 中的一个逻辑数据分类。
mapping 映射
对字段的定义称为 mapping，可以认为是 mysql 中的表结构。
document 文档
类似于 mysql 中的一行，不同之处在于 ES 中的每个文档可以用不同的字段，但是对于通用的字段应该具有相同的数据类型，文档是 ES 中的最小数据单元，可以认为一个文档就是一条记录。
field 字段
field 是 ES 的最小单位，一个 document 里面有多个 field 。

mysql	ES
数据库	索引
表	类型
行	文档
列	字段
表结构	映射

shard 分片
单台机器无法存储大量数据，ES 可以将一个索引中的数据切分为多个 shard，分布在多台服务器上存储。有了 shard 就可以横向扩展，存储更多数据，让搜索和分析等操作分布到多台服务器上去执行，提升吞吐量和性能。
replica 副本
任何一个服务器随时都可能故障或宕机，此时 shard 可能会丢失，因此可以为每个 shard 创建多个 replica 副本。replica 可以在 shard 故障时提供备用服务，保证数据不丢失，多个 replica 还可以提升搜索操作的吞吐量和性能。
倒排索引
在搜索引擎中，每个文档都有一个对应的文档 ID，文档内容被表示为一系列关键词的集合。例如，某个文档经过分词，提取20个关键词，每个关键词都会记录它在文档中出现的次数和出现位置。那么，倒排索引就是关键词到文档 ID 的映射，每个关键词都对应着一系列的文件，这些文件都出现了该关键词。有了倒排索引，搜索引擎可以很方便地响应用户的查询。
text 和 keyword类型的区别
两个的区别主要分词的区别：keyword 类型是不会分词的，直接根据字符串内容建立倒排索引，keyword类型的字段只能通过精确值搜索到；Text 类型在存入 Elasticsearch 的时候，会先分词，然后根据分词后的内容建立倒排索引。
DocValues
倒排索引也是有缺陷的，假如我们需要对数据做一些聚合操作，比如排序/分组时，lucene内部会遍历提取所有出现在文档集合的排序字段，然后再次构建一个最终的排好序的文档集合list，这个步骤的过程全部维持在内存中操作，而且如果排序数据量巨大的话，非常容易就造成solr内存溢出和性能缓慢。

DocValues 就是 es 在构建倒排索引的同时，构建了正排索引，保存了docId到各个字段值的映射，可以看作是以文档为维度，从而实现根据指定字段进行排序和聚合的功能。另外doc Values 保存在操作系统的磁盘中，当docValues大于节点的可用内存，ES可以从操作系统页缓存中加载或弹出，从而避免发生内存溢出的异常，docValues远小于节点的可用内存，操作系统自然将所有Doc Values存于内存中（堆外内存），有助于快速访问。

二、ES 写数据流程及原理

2.1 写数据流程

在这里插入图片描述

客户端选择一个节点发送请求过去，这个节点就是协调节点（coordinating node）；
协调节点对 document 进行路由，将请求转发给对应的有 primary shard 的节点；
实际的节点上的 primary shard 处理请求，然后将数据同步到 replica node；
协调节点等到 primary node 和所有 replica node 都执行成功之后，就返回响应结果给客户端；

2.2 写数据底层实现原理

数据先写入内存缓存（Memory Buffer），然后定时（默认每隔1s）将内存缓存中的数据写入一个新的 segment 文件中，并写入文件缓存（Filesystem Cache）（同时清空内存缓存），这个过程就叫 refresh；
由于内存缓存和文件系统缓存都是基于内存的，如果服务器宕机，那么数据就会丢失，所以 ES 通过 translog 日志文件来保证数据可靠性，在数据写入内存缓存的同时，将数据写入 translog 文件中，在机器宕机重启时，ES 会自动读取 translog 日志文件中的数据，恢复到内存缓存和文件系统缓存中去。
flush 操作：不断重复上面的步骤，translog 会变得越来越大，当 translog 文件默认每 30 分钟或者阈值超过 512M 时，就会触发 commit 操作，这个过程称为 flush 操作。

commit 操作：

1.将 Buffer 中的数据 refush 到 Filesysytem Cache 中，清空 Buffer；
2.创建一个新的 commit point，同时强行将 Filesystem Cache 中目前所有的数据都 fsync 到磁盘文件中；
3.删除旧的 translog 日志文件并创建一个新的 translog 日志文件，此时 commit 操作完成；

三、ES 搜索的过程

搜索过程被分为 Query then Fetch 两个阶段执行：

Query 阶段
客户端发送请求到协调节点，协调节点将搜索请求广播到所有的 primary shard 或 replica shard。每个分片在本地执行搜索并构建一个匹配文档的大小为 from+size 的优先队列。每个分片返回各自优先队列中所有文档的 ID 和排序值给协调节点，由协调节点及执行数据的合并、排序、分页等操作，产生最终结果；
Fetch 阶段
协调节点根据 doc Id 去各个节点上查询实际的 document 数据，由协调节点返回结果给客户端。
原理：
1、协调节点对 doc Id 进行哈希路由，将请求转发到对应的节点，此时会使用 round-robin 随机轮询算法，在 primary shard 以及所有 replica shard 中随机选择一个，让读请求负载均衡；
2、接受请求的节点返回 document 给协调节点；
3、协调节点返回 document 给客户端；

四、Master 节点的选举

4.1 ES 的分布式原理

ES 会对存储的数据进行切分，将数据划分到不同的分片上，同时每一个分片会保存多个副本，主要是为了保证分布式环境的高可用。在 ES 中，节点时对等的，节点间会选取集群的 Master，由 Master 负责集群状态信息的改变，并同步给其他节点。

4.2 ES 如何选举 Master

ES 的选主是 ZenDiscovery 模块负责的，主要包含 Ping 和 Unicast这两部分；

确认候选主节点的最少投票通过数量；
对所有候选主节点根据 node Id 字典排序，每次选举每个节点都把自己所知道节点排一次序，然后选出第一个节点，暂时认为它是 Master 节点；
如果对某个节点的投票数达到阈值，并且该节点自己也选举自己，那这个节点就是 Master。否则重新选举，一直到满足上诉条件；

4.3 ES 如何避免脑裂现象

当集群中 Master 候选节点数不小于 3 个时，可以通过设置最少投票通过数量，设置超过所有候选节点一半以上来解决脑裂问题，即设置为（N / 2）+1；
当集群 Master 候选节点只有 2 时，这种情况是不合理的，最好把另外一个 node.master 改成 false；