elasticsearch集群架構(gòu)的優(yōu)點(diǎn)有哪些

這篇文章主要介紹“elasticsearch集群架構(gòu)的優(yōu)點(diǎn)有哪些”，在日常操作中，相信很多人在elasticsearch集群架構(gòu)的優(yōu)點(diǎn)有哪些問題上存在疑惑，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集群架構(gòu)的優(yōu)點(diǎn)有哪些”的疑惑有所幫助！接下來，請跟著小編一起來學(xué)習(xí)吧！

ES 集群架構(gòu)演進(jìn)之路

1、初始階段

訂單中心ES初始階段如一張白紙，架設(shè)方案基本沒有，很多配置都是保持集群默認(rèn)配置。整個集群部署在集團(tuán)的彈性云上，ES集群的節(jié)點(diǎn)以及機(jī)器部署都比較混亂。同時按照集群維度來看，一個ES集群會有單點(diǎn)問題，顯然對于訂單中心業(yè)務(wù)來說也是不被允許的。

2、集群隔離階段

和很多業(yè)務(wù)一樣，ES集群采用的混布的方式。但由于訂單中心ES存儲的是線上訂單數(shù)據(jù)，偶爾會發(fā)生混布集群搶占系統(tǒng)大量資源，導(dǎo)致整個訂單中心ES服務(wù)異常。

顯然任何影響到訂單查詢穩(wěn)定性的情況都是無法容忍的，所以針對于這個情況，先是對訂單中心ES所在的彈性云，遷出那些系統(tǒng)資源搶占很高的集群節(jié)點(diǎn)，ES集群狀況稍有好轉(zhuǎn)。但隨著集群數(shù)據(jù)不斷增加，彈性云配置已經(jīng)不太能滿足ES集群，且為了完全的物理隔離，最終干脆將訂單中心ES集群部署到高配置的物理機(jī)上，ES集群性能又得到提升。

3、節(jié)點(diǎn)副本調(diào)優(yōu)階段

ES的性能跟硬件資源有很大關(guān)系，當(dāng)ES集群單獨(dú)部署到物理機(jī)器上時，集群內(nèi)部的節(jié)點(diǎn)并不是獨(dú)占整臺物理機(jī)資源，在集群運(yùn)行的時候同一物理機(jī)上的節(jié)點(diǎn)仍會出現(xiàn)資源搶占的問題。所以在這種情況下，為了讓ES單個節(jié)點(diǎn)能夠使用最大程度的機(jī)器資源，采用每個ES節(jié)點(diǎn)部署在單獨(dú)一臺物理機(jī)上方式。

但緊接著，問題又來了，如果單個節(jié)點(diǎn)出現(xiàn)瓶頸了呢？我們應(yīng)該怎么再優(yōu)化呢？

ES查詢的原理，當(dāng)請求打到某號分片的時候，如果沒有指定分片類型（Preference參數(shù)）查詢，請求會負(fù)載到對應(yīng)分片號的各個節(jié)點(diǎn)上。而集群默認(rèn)副本配置是一主一副，針對此情況，我們想到了擴(kuò)容副本的方式，由默認(rèn)的一主一副變?yōu)橐恢鞫?，同時增加相應(yīng)物理機(jī)。

訂單中心ES集群架設(shè)示意圖

如圖，整個架設(shè)方式通過VIP來負(fù)載均衡外部請求：

整個集群有一套主分片，二套副分片（一主二副），從網(wǎng)關(guān)節(jié)點(diǎn)轉(zhuǎn)發(fā)過來的請求，會在打到數(shù)據(jù)節(jié)點(diǎn)之前通過輪詢的方式進(jìn)行均衡。集群增加一套副本并擴(kuò)容機(jī)器的方式，增加了集群吞吐量，從而提升了整個集群查詢性能。

當(dāng)然分片數(shù)量和分片副本數(shù)量并不是越多越好，在此階段，我們對選擇適當(dāng)?shù)姆制瑪?shù)量做了進(jìn)一步探索。分片數(shù)可以理解為MySQL中的分庫分表，而當(dāng)前訂單中心ES查詢主要分為兩類：單ID查詢以及分頁查詢。

分片數(shù)越大，集群橫向擴(kuò)容規(guī)模也更大，根據(jù)分片路由的單ID查詢吞吐量也能大大提升，但聚合的分頁查詢性能則將降低；分片數(shù)越小，集群橫向擴(kuò)容規(guī)模也更小，單ID的查詢性能也會下降，但分頁查詢的性能將會提升。

所以如何均衡分片數(shù)量和現(xiàn)有查詢業(yè)務(wù)，我們做了很多次調(diào)整壓測，最終選擇了集群性能較好的分片數(shù)。

4、主從集群調(diào)整階段

到此，訂單中心的ES集群已經(jīng)初具規(guī)模，但由于訂單中心業(yè)務(wù)時效性要求高，對ES查詢穩(wěn)定性要求也高，如果集群中有節(jié)點(diǎn)發(fā)生異常，查詢服務(wù)會受到影響，從而影響到整個訂單生產(chǎn)流程。很明顯這種異常情況是致命的，所以為了應(yīng)對這種情況，我們初步設(shè)想是增加一個備用集群，當(dāng)主集群發(fā)生異常時，可以實(shí)時的將查詢流量降級到備用集群。

那備用集群應(yīng)該怎么來搭？主備之間數(shù)據(jù)如何同步？備用集群應(yīng)該存儲什么樣的數(shù)據(jù)？

考慮到ES集群暫時沒有很好的主備方案，同時為了更好地控制ES數(shù)據(jù)寫入，我們采用業(yè)務(wù)雙寫的方式來搭設(shè)主備集群。每次業(yè)務(wù)操作需要寫入ES數(shù)據(jù)時，同步寫入主集群數(shù)據(jù)，然后異步寫入備集群數(shù)據(jù)。同時由于大部分ES查詢的流量都來源于近幾天的訂單，且訂單中心數(shù)據(jù)庫數(shù)據(jù)已有一套歸檔機(jī)制，將指定天數(shù)之前已經(jīng)關(guān)閉的訂單轉(zhuǎn)移到歷史訂單庫。

所以歸檔機(jī)制中增加刪除備集群文檔的邏輯，讓新搭建的備集群存儲的訂單數(shù)據(jù)與訂單中心線上數(shù)據(jù)庫中的數(shù)據(jù)量保持一致。同時使用ZK在查詢服務(wù)中做了流量控制開關(guān)，保證查詢流量能夠?qū)崟r降級到備集群。在此，訂單中心主從集群完成，ES查詢服務(wù)穩(wěn)定性大大提升。

5、現(xiàn)今：實(shí)時互備雙集群階段

期間由于主集群ES版本是較低的1.7，而現(xiàn)今ES穩(wěn)定版本都已經(jīng)迭代到6.x，新版本的ES不僅性能方面優(yōu)化很大，更提供了一些新的好用的功能，所以我們對主集群進(jìn)行了一次版本升級，直接從原來的1.7升級到6.x版本。

集群升級的過程繁瑣而漫長，不但需要保證線上業(yè)務(wù)無任何影響，平滑無感知升級，同時由于ES集群暫不支持從1.7到6.x跨越多個版本的數(shù)據(jù)遷移，所以需要通過重建索引的方式來升級主集群，具體升級過程就不在此贅述了。

主集群升級的時候必不可免地會發(fā)生不可用的情況，但對于訂單中心ES查詢服務(wù)，這種情況是不允許的。所以在升級的階段中，備集群暫時頂上充當(dāng)主集群，來支撐所有的線上ES查詢，保證升級過程不影響正常線上服務(wù)。同時針對于線上業(yè)務(wù)，我們對兩個集群做了重新的規(guī)劃定義，承擔(dān)的線上查詢流量也做了重新的劃分。

備集群存儲的是線上近幾天的熱點(diǎn)數(shù)據(jù)，數(shù)據(jù)規(guī)模遠(yuǎn)小于主集群，大約是主集群文檔數(shù)的十分之一。集群數(shù)據(jù)量小，在相同的集群部署規(guī)模下，備集群的性能要優(yōu)于主集群。

然而在線上真實(shí)場景中，線上大部分查詢流量也來源于熱點(diǎn)數(shù)據(jù)，所以用備集群來承載這些熱點(diǎn)數(shù)據(jù)的查詢，而備集群也慢慢演變成一個熱數(shù)據(jù)集群。之前的主集群存儲的是全量數(shù)據(jù)，用該集群來支撐剩余較小部分的查詢流量，這部分查詢主要是需要搜索全量訂單的特殊場景查詢以及訂單中心系統(tǒng)內(nèi)部查詢等，而主集群也慢慢演變成一個冷數(shù)據(jù)集群。

同時備集群增加一鍵降級到主集群的功能，兩個集群地位同等重要，但都可以各自降級到另一個集群。雙寫策略也優(yōu)化為：假設(shè)有AB集群，正常同步方式寫主（A集群）異步方式寫備（B集群）。A集群發(fā)生異常時，同步寫B(tài)集群（主），異步寫A集群（備）。

ES 訂單數(shù)據(jù)的同步方案

MySQL數(shù)據(jù)同步到ES中，大致總結(jié)可以分為兩種方案：

• 方案1：監(jiān)聽MySQL的Binlog，分析Binlog將數(shù)據(jù)同步到ES集群中。

• 方案2：直接通過ES API將數(shù)據(jù)寫入到ES集群中。

考慮到訂單系統(tǒng)ES服務(wù)的業(yè)務(wù)特殊性，對于訂單數(shù)據(jù)的實(shí)時性較高，顯然監(jiān)聽Binlog的方式相當(dāng)于異步同步，有可能會產(chǎn)生較大的延時性。且方案1實(shí)質(zhì)上跟方案2類似，但又引入了新的系統(tǒng)，維護(hù)成本也增高。所以訂單中心ES采用了直接通過ES API寫入訂單數(shù)據(jù)的方式，該方式簡潔靈活，能夠很好的滿足訂單中心數(shù)據(jù)同步到ES的需求。

由于ES訂單數(shù)據(jù)的同步采用的是在業(yè)務(wù)中寫入的方式，當(dāng)新建或更新文檔發(fā)生異常時，如果重試勢必會影響業(yè)務(wù)正常操作的響應(yīng)時間。

所以每次業(yè)務(wù)操作只更新一次ES，如果發(fā)生錯誤或者異常，在數(shù)據(jù)庫中插入一條補(bǔ)救任務(wù)，有Worker任務(wù)會實(shí)時地掃這些數(shù)據(jù)，以數(shù)據(jù)庫訂單數(shù)據(jù)為基準(zhǔn)來再次更新ES數(shù)據(jù)。通過此種補(bǔ)償機(jī)制，來保證ES數(shù)據(jù)與數(shù)據(jù)庫訂單數(shù)據(jù)的最終一致性。

遇到的一些坑

1、實(shí)時性要求高的查詢走DB

對于ES寫入機(jī)制的有了解的同學(xué)可能會知道，新增的文檔會被收集到Indexing Buffer，然后寫入到文件系統(tǒng)緩存中，到了文件系統(tǒng)緩存中就可以像其他的文件一樣被索引到。

然而默認(rèn)情況文檔從Indexing Buffer到文件系統(tǒng)緩存（即Refresh操作）是每秒分片自動刷新，所以這就是我們說ES是近實(shí)時搜索而非實(shí)時的原因：文檔的變化并不是立即對搜索可見，但會在一秒之內(nèi)變?yōu)榭梢姟?/p>

當(dāng)前訂單系統(tǒng)ES采用的是默認(rèn)Refresh配置，故對于那些訂單數(shù)據(jù)實(shí)時性比較高的業(yè)務(wù)，直接走數(shù)據(jù)庫查詢，保證數(shù)據(jù)的準(zhǔn)確性。

2、避免深分頁查詢

ES集群的分頁查詢支持from和size參數(shù)，查詢的時候，每個分片必須構(gòu)造一個長度為from+size的優(yōu)先隊列，然后回傳到網(wǎng)關(guān)節(jié)點(diǎn)，網(wǎng)關(guān)節(jié)點(diǎn)再對這些優(yōu)先隊列進(jìn)行排序找到正確的size個文檔。

假設(shè)在一個有6個主分片的索引中，from為10000，size為10，每個分片必須產(chǎn)生10010個結(jié)果，在網(wǎng)關(guān)節(jié)點(diǎn)中匯聚合并60060個結(jié)果，最終找到符合要求的10個文檔。

由此可見，當(dāng)from足夠大的時候，就算不發(fā)生OOM，也會影響到CPU和帶寬等，從而影響到整個集群的性能。所以應(yīng)該避免深分頁查詢，盡量不去使用。

3、FieldData與Doc Values

FieldData

線上查詢出現(xiàn)偶爾超時的情況，通過調(diào)試查詢語句，定位到是跟排序有關(guān)系。排序在es1.x版本使用的是FieldData結(jié)構(gòu)，F(xiàn)ieldData占用的是JVM Heap內(nèi)存，JVM內(nèi)存是有限，對于FieldData Cache會設(shè)定一個閾值。

如果空間不足時，使用最久未使用（LRU）算法移除FieldData，同時加載新的FieldData Cache，加載的過程需要消耗系統(tǒng)資源，且耗時很大。所以導(dǎo)致這個查詢的響應(yīng)時間暴漲，甚至影響整個集群的性能。針對這種問題，解決方式是采用Doc Values。

Doc Values

Doc Values是一種列式的數(shù)據(jù)存儲結(jié)構(gòu)，跟FieldData很類似，但其存儲位置是在Lucene文件中，即不會占用JVM Heap。隨著ES版本的迭代，Doc Values比FieldData更加穩(wěn)定，Doc Values在2.x起為默認(rèn)設(shè)置。

到此，關(guān)于“elasticsearch集群架構(gòu)的優(yōu)點(diǎn)有哪些”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(shí)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?shí)用的文章！