Elasticsearch入門知識點總結(jié)

這篇文章主要介紹“Elasticsearch入門知識點總結(jié)”，在日常操作中，相信很多人在Elasticsearch入門知識點總結(jié)問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”Elasticsearch入門知識點總結(jié)”的疑惑有所幫助！接下來，請跟著小編一起來學(xué)習(xí)吧！

正文

我先介紹一下目前主流的幾種數(shù)據(jù)庫存儲方式 ：

行存儲：同一行的數(shù)據(jù)被物理的存儲在一起

常見的行式數(shù)據(jù)庫系統(tǒng)有：MySQL、Postgres和MS SQL Server。

存儲結(jié)構(gòu)：

某些場景下行存儲數(shù)據(jù)庫的查詢效率：

列存儲 ：來自不同列的值被單獨存儲，來自同一列的數(shù)據(jù)被存儲在一起

常見的列式數(shù)據(jù)庫有：Vertica、 Paraccel (Actian Matrix，Amazon Redshift)、 Sybase IQ、  Exasol、 Infobright、 InfiniDB、 MonetDB (VectorWise， Actian Vector)、 LucidDB、 SAP  HANA、 Google Dremel、 Google PowerDrill、 Druid、 kdb+、Hbase、clickhouse。

某些場景下列存儲數(shù)據(jù)庫的查詢效率：

最近我在接觸Clickhouse他就是列式存儲，他之所以這么快，主要是以下三點原因：

• 輸入/輸出

• 針對分析類查詢，通常只需要讀取表的一小部分列。在列式數(shù)據(jù)庫中你可以只讀取你需要的數(shù)據(jù)。例如，如果只需要讀取100列中的5列，這將幫助你最少減少20倍的I/O消耗。

• 由于數(shù)據(jù)總是打包成批量讀取的，所以壓縮是非常容易的。同時數(shù)據(jù)按列分別存儲這也更容易壓縮。這進一步降低了I/O的體積。

• 由于I/O的降低，這將幫助更多的數(shù)據(jù)被系統(tǒng)緩存。

注：這里列出這兩個只是對比一些特殊場景的效率差，也是為后面es的快和數(shù)據(jù)結(jié)構(gòu)做鋪墊而已，事實上Clickhouse這樣的數(shù)據(jù)庫也只適合某些場景，大部分場景還得行式數(shù)據(jù)庫。

大家感興趣我后面可以來點Clickhouse的分享(雖然我也還在看)

接下來就說另外一種存儲結(jié)構(gòu)了：

文檔

實際上 es在某種程度上是和列式文檔有一定的相似之處的，大家往后面看就知道了

{ "name": "name" "size": 24 "sex': "male" }

上面我介紹了幾種常見的存儲結(jié)構(gòu)其實是為了說明一下es的場景，以及es的一些優(yōu)勢，我們都知道數(shù)據(jù)庫是有索引的，而且也挺快的，那es又是怎么存儲數(shù)據(jù)，他的索引又是咋樣的呢?

倒排索引

倒排顧名思義就是通過Value去找key，跟我們傳統(tǒng)意義的根據(jù)key找value還不太一樣。

舉個例子，還是上面的數(shù)據(jù)，我們可以看到es會建立以下的索引：

Name 倒排索引

Size倒排索引

Sex倒排索引

大家可以看到所有的倒排所有都有Term和Posting List這兩個概念，Posting  list就是一個int的數(shù)組，存儲了所有符合某個term的文檔id。

怎么根據(jù)value找key呢?就比如我要找所有性別是男生的人，Sex的倒排索引的Posting  list可以告訴我是id為1和3的人，那再通過Name的term我可以看到1的是人aobing，3的人是雞蛋，依次類推找到所有信息。

Es的查詢速度是非?？斓?，但是目前看來如果只是以Term的樣子去查找并不快呀?是為什么呢?

這里就會引出接下來的兩個概念，Term Dictionary和Term Index。

Term  Dictionary：這個很好理解，我上面說過都是各種Term組成的，那為了查找Term方便，es把所有的Term都排序了，是二分法查找的。

 

Trem Index：這是為了優(yōu)化Term  Dictionary而存在的，大家想呀這么多Term光是排序了肯定也不行，想要快就得放到內(nèi)存，但是es數(shù)據(jù)量級往往是很大的，那放在磁盤?磁盤的尋址又會很慢，那怎么去減少磁盤上的尋址開銷呢?Term  Index

其實就是跟新華字典一樣，每個字母開頭的是哪些，再按照拼音去排序。

這就是三者的關(guān)系，是一張很經(jīng)典的圖了，基本上所有學(xué)es的人都應(yīng)該看到過。

Term Index就存了一些前綴和映射關(guān)系，這樣可以大大減少磁盤的隨機讀次數(shù)了。

巧妙壓縮

大家是不是發(fā)現(xiàn)這個設(shè)計是很巧妙的?而且es的檢索速度比MySQL是快很多的，大家在使用MySQL的時候可以發(fā)現(xiàn)其實索引跟Trem  Dictionary是一樣的，但是es多了一個Index 多了一層篩選，少了一些隨機次數(shù)。

還有一點我很想提一下，就是Term index 在磁盤的存儲結(jié)構(gòu)，這個在我歷史文章有寫過，而且當(dāng)時我還踩過他的坑，今天鑒于篇幅，我就簡單介紹一下。

FST大家可以理解為一種壓縮技術(shù)，最簡單化通過壓縮字節(jié)的方式，上面我說了Term index放到內(nèi)存都放不下，但是壓縮一下呢?

細節(jié)我就不展開了，下面這個文章解釋的特別詳細，因為這是一篇大概科普的，后面我會專門出文章介紹集群和他壓縮的細節(jié)。

鏈接：https://cs.nyu.edu/~mohri/pub/fla.pdf

接下來再介紹一些es里面我覺得很重要的概念吧：

接近實時(NRT)

ES寫入的數(shù)據(jù)會先寫到一個內(nèi)存bufferr中去(在buffer里的時候數(shù)據(jù)是搜索不到的)，然后每隔默認是一秒會刷到os  cache。

操作系統(tǒng)里面，磁盤文件其實都有一個東西，叫做os cache，操作系統(tǒng)緩存，就是說數(shù)據(jù)寫入磁盤文件之前，會先進入os  cache，先進入操作系統(tǒng)級別的一個內(nèi)存緩存中去。

只要buffer中的數(shù)據(jù)被refresh操作，刷入os  cache中，就代表這個數(shù)據(jù)就可以被搜索到了。默認是每隔1秒refresh一次的，所以es是準實時的，因為寫入的數(shù)據(jù)1秒之后才能被看到。

為什么要這么設(shè)計呢?

簡單我們看一下不這么設(shè)計會怎么樣：

如果寫入緩存之后直接刷到硬盤，其實是十分消耗資源的，而且寫了馬上去硬盤讀取，并發(fā)量很難上去，你可以想象上萬QPS寫入的時候，還去查詢磁盤，是怎樣一個災(zāi)難級別的現(xiàn)場。

那es怎么做的呢?

數(shù)據(jù)寫入到buffer，然后再每秒刷到cache，這個時候就可以被搜到了，所以說準實時，而不是實時就是這一秒的差距，這樣設(shè)計可以讓磁盤壓力減少不說，寫入和查詢都不會受到影響，并發(fā)也就上去了。

分詞文本分析(Analysis)是把全文本轉(zhuǎn)換一系列單詞(term/token)的過程，也稱為分詞。

當(dāng)一個文檔被索引時，每個Term都可能會創(chuàng)建一個倒排索引。倒排索引的過程就是將文檔通過分詞器(Analyzer)分成一個一個的Term，每一個Term都指向包含這個Term的文檔集合。

分詞

是es比較核心的功能，但是他默認的分詞其實對中文并不友好，比如我搜中國，那可能會把帶中和帶國的都搜出來，但是中國就是一個詞匯不應(yīng)該這樣分。

現(xiàn)在都是可以采用機器學(xué)習(xí)算法來分詞，還有一些中文分詞插件，比如ik分詞器。

他內(nèi)置分詞器的在英文場景是比較好用的。

腦裂

腦裂問題其實在集群部署的機器上都是會存在的，假設(shè)現(xiàn)在es集群有兩個節(jié)點，節(jié)點1是主節(jié)點對外提供服務(wù)，節(jié)點2是副本分片節(jié)點。

現(xiàn)在兩個節(jié)點因為網(wǎng)絡(luò)原因斷聯(lián)了，會發(fā)現(xiàn)什么?主節(jié)點發(fā)現(xiàn)自己是主節(jié)點繼續(xù)對外提供服務(wù)，副本節(jié)點發(fā)現(xiàn)沒有主節(jié)點了，選舉自己是主節(jié)點，也對外提供服務(wù)了，因為主節(jié)點不可用他也是被迫當(dāng)主節(jié)點的(狗頭)。

對于調(diào)用者來說，這是很難發(fā)現(xiàn)差別的，除非去對比數(shù)據(jù)，而我之前在生產(chǎn)環(huán)境就發(fā)生過腦裂的情況，還是用戶反饋的，因為搜索一個詞匯他有時候能搜出那個商品，有時候不能，因為請求打在不同的節(jié)點上了。

那正常我們會怎么解決呢?elasticsearch.yml中有個配置:discovery.zen.minimum_master_nodes  這個參數(shù)決定了在選主過程中需要有多少個節(jié)點通信，默認是1，設(shè)置的原則就是設(shè)置為 集群節(jié)點數(shù)量/2+1個。

如果你的集群是三個節(jié)點，那這個參數(shù)就設(shè)置為3/2+1=2個，那掛了一個，另外兩個可以通信，所以可以選出一個主的，如果你集群是三個節(jié)點，參數(shù)還是2，但是你發(fā)現(xiàn)掛了一個只有一個節(jié)點自己跟自己通信，就不會選主了。

但是這樣也有弊端只有2個節(jié)點的時候，掛一個就相當(dāng)于服務(wù)不可用了，所以大家要保證集群是三個以上是最好的。

• Elasticsearch的選舉算法基于 Bully 選舉算法，簡單的說，在 Bully 算法中，每個節(jié)點都有一個編號，只有編號最大的存活節(jié)點才能成為  master 節(jié)點。Bully算法的具體過程為：

• 當(dāng)任何一個進程P發(fā)現(xiàn) master 不響應(yīng)請求時，它發(fā)起一次選舉，選舉過程如下：

• (1)P進程向所有編號比它大的進程發(fā)送一個 election 消息;

• (2)如果無人響應(yīng)，則P獲勝，成為 master;

• (3)如果編號比它大的進程響應(yīng)，則由響應(yīng)者接管選舉工作，P的工作完成。

• 任何一個時刻，一個進程只能從編號比它小的進程接受 election 消息，當(dāng)消息到達時，接受者發(fā)送一個 OK  消息給發(fā)送者，表明它在運行，接管工作。

• 最終除了一個進程外，其他進程都放棄，那個進程就是新的協(xié)調(diào)者，隨后協(xié)調(diào)者將獲勝消息發(fā)送給其他所有進程，通知它們新的協(xié)調(diào)者誕生了。

ELK

其實提到ES往往都是ELK三兄弟一起提到的，最后在收尾的地方，我就說一下另外兩個兄弟吧。

L是Logstash，Logstash是一個開源數(shù)據(jù)收集引擎，具有實時管道功能。Logstash可以動態(tài)地將來自不同數(shù)據(jù)源的數(shù)據(jù)統(tǒng)一起來，并將數(shù)據(jù)標(biāo)準化到你所選擇的目的地。

Logstash管道有兩個必需的元素：輸入和輸出，以及一個可選元素：過濾器。輸入插件從數(shù)據(jù)源那里消費數(shù)據(jù)，過濾器插件根據(jù)你的期望修改數(shù)據(jù)，輸出插件將數(shù)據(jù)寫入目的地。

K就是Kibana，Kibana是一個針對Elasticsearch的開源分析及可視化平臺，用來搜索、查看交互存儲在Elasticsearch索引中的數(shù)據(jù)。使用Kibana，可以通過各種圖表進行高級數(shù)據(jù)分析及展示。

Kibana讓海量數(shù)據(jù)更容易理解。它操作簡單，基于瀏覽器的用戶界面可以快速創(chuàng)建儀表板(dashboard)實時顯示Elasticsearch查詢動態(tài)。

設(shè)置Kibana非常簡單，無需編碼或者額外的基礎(chǔ)架構(gòu)，幾分鐘內(nèi)就可以完成Kibana安裝并啟動Elasticsearch索引監(jiān)測。

到此，關(guān)于“Elasticsearch入門知識點總結(jié)”的學(xué)習(xí)就結(jié)束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學(xué)習(xí)，快去試試吧！若想繼續(xù)學(xué)習(xí)更多相關(guān)知識，請繼續(xù)關(guān)注億速云網(wǎng)站，小編會繼續(xù)努力為大家?guī)砀鄬嵱玫奈恼拢?/p>