從Elasticsearch來看分佈式系統架構設計

從Elasticsearch來看分佈式系統架構設計

  mp.weixin.qq.com

點擊上方「匠心零度」，選擇「設爲星標」

作積極的人，而不是積極廢人

 

 

 

來源：https://dwz.cn/gPfuoLwo

分佈式系統類型多，涉及面很是廣，不一樣類型的系統有不一樣的特色，批量計算和實時計算就差異很是大。這篇文章中，重點會討論下分佈式數據系統的設計，好比分佈式存儲系統，分佈式搜索系統，分佈式分析系統等。

咱們先來簡單看下Elasticsearch的架構。

Elasticsearch 集羣架構

Elasticsearch是一個很是著名的開源搜索和分析系統，目前被普遍應用於互聯網多種領域中，尤爲是如下三個領域特別突出。一是搜索領域，相對於solr，真正的後起之秀，成爲不少搜索系統的不二之選。二是Json文檔數據庫，相對於MongoDB，讀寫性能更佳，並且支持更豐富的地理位置查詢以及數字、文本的混合查詢等。三是時序數據分析處理，目前是日誌處理、監控數據的存儲、分析和可視化方面作得很是好，能夠說是該領域的引領者了。

Elasticsearch的詳細介紹能夠到官網查看。咱們先來看一下Elasticsearch中幾個關鍵概念：

• 節點（Node）：物理概念，一個運行的Elasticearch實例，通常是一臺機器上的一個進程。

• 索引（Index），邏輯概念，包括配置信息mapping和倒排正排數據文件，一個索引的數據文件可能會分佈於一臺機器，也有可能分佈於多臺機器。索引的另一層意思是倒排索引文件。

• 分片（Shard）：爲了支持更大量的數據，索引通常會按某個維度分紅多個部分，每一個部分就是一個分片，分片被節點(Node)管理。一個節點(Node)通常會管理多個分片，這些分片多是屬於同一份索引，也有可能屬於不一樣索引，可是爲了可靠性和可用性，同一個索引的分片儘可能會分佈在不一樣節點(Node)上。分片有兩種，主分片和副本分片。

• 副本（Replica）：同一個分片(Shard)的備份數據，一個分片可能會有0個或多個副本，這些副本中的數據保證強一致或最終一致。

用圖形表示出來多是這樣子的：

 

 

• Index 1：藍色部分，有3個shard，分別是P1，P2，P3，位於3個不一樣的Node中，這裏沒有Replica。

• Index 2：綠色部分，有2個shard，分別是P1，P2，位於2個不一樣的Node中。而且每一個shard有一個replica，分別是R1和R2。基於系統可用性的考慮，同一個shard的primary和replica不能位於同一個Node中。這裏Shard1的P1和R1分別位於Node3和Node2中，若是某一刻Node2發生宕機，服務基本不會受影響，由於還有一個P1和R2都仍是可用的。由於是主備架構，當主分片發生故障時，須要切換，這時候須要選舉一個副本做爲新主，這裏除了會耗費一點點時間外，也會有丟失數據的風險。

Index流程

建索引（Index）的時候，一個Doc先是通過路由規則定位到主Shard，發送這個doc到主Shard上建索引，成功後再發送這個Doc到這個Shard的副本上建索引，等副本上建索引成功後才返回成功。

在這種架構中，索引數據所有位於Shard中，主Shard和副本Shard各存儲一份。當某個副本Shard或者主Shard丟失（好比機器宕機，網絡中斷等）時，須要將丟失的Shard在其餘Node中恢復回來，這時候就須要從其餘副本（Replica）全量拷貝這個Shard的全部數據到新Node上構造新Shard。這個拷貝過程須要一段時間，這段時間內只能由剩餘主副原本承載流量，在恢復完成以前，整個系統會處於一個比較危險的狀態，直到failover結束。

這裏就體現了副本（Replica）存在的一個理由，避免數據丟失，提升數據可靠性。副本（Replica）存在的另外一個理由是讀請求量很大的時候，一個Node沒法承載全部流量，這個時候就須要一個副原本分流查詢壓力，目的就是擴展查詢能力。

角色部署方式

接下來再看看角色分工的兩種不一樣方式：

 

 

Elasticsearch支持上述兩種方式：

1.混合部署（左圖）

• 默認方式。

• 不考慮MasterNode的狀況下，還有兩種Node，Data Node和Transport Node，這種部署模式下，這兩種不一樣類型Node角色都位於同一個Node中，至關於一個Node具有兩種功能：Data和Transport。

• 當有index或者query請求的時候，請求隨機（自定義）發送給任何一個Node，這臺Node中會持有一個全局的路由表，經過路由表選擇合適的Node，將請求發送給這些Node，而後等全部請求都返回後，合併結果，而後返回給用戶。一個Node分飾兩種角色。

• 好處就是使用極其簡單，易上手，對推廣系統有很大價值。最簡單的場景下只須要啓動一個Node，就能完成全部的功能。

• 缺點就是多種類型的請求會相互影響，在大集羣若是某一個Data Node出現熱點，那麼就會影響途經這個Data Node的全部其餘跨Node請求。若是發生故障，故障影響面會變大不少。

• Elasticsearch中每一個Node都須要和其他的每個Node都保持13個鏈接。這種狀況下， - 每一個Node都須要和其餘全部Node保持鏈接，而一個系統的鏈接數是有上限的，這樣鏈接數就會限制集羣規模。

• 還有就是不能支持集羣的熱更新。

2.分層部署（右圖）：

• 經過配置能夠隔離開Node。

• 設置部分Node爲Transport Node，專門用來作請求轉發和結果合併。

• 其餘Node能夠設置爲DataNode，專門用來處理數據。

• 缺點是上手複雜，須要提早設置好Transport的數量，且數量和Data Node、流量等相關，不然要麼資源閒置，要麼機器被打爆。

• 好處就是角色相互獨立，不會相互影響，通常Transport Node的流量是平均分配的，不多出現單臺機器的CPU或流量被打滿的狀況，而DataNode因爲處理數據，很容易出現單機資源被佔滿，好比CPU，網絡，磁盤等。獨立開後，DataNode若是出了故障只是影響單節點的數據處理，不會影響其餘節點的請求，影響限制在最小的範圍內。

• 角色獨立後，只須要Transport Node鏈接全部的DataNode，而DataNode則不須要和其餘DataNode有鏈接。一個集羣中DataNode的數量遠大於Transport Node，這樣集羣的規模能夠更大。另外，還能夠經過分組，使Transport Node只鏈接固定分組的DataNode，這樣Elasticsearch的鏈接數問題就完全解決了。

• 能夠支持熱更新：先一臺一臺的升級DataNode，升級完成後再升級Transport Node，整個過程當中，能夠作到讓用戶無感知。

上面介紹了Elasticsearch的部署層架構，不一樣的部署方式適合不一樣場景，須要根據本身的需求選擇適合的方式。

Elasticsearch 數據層架構

接下來咱們看看當前Elasticsearch的數據層架構。

數據存儲

Elasticsearch的Index和meta，目前支持存儲在本地文件系統中，同時支持niofs，mmap，simplefs，smb等不一樣加載方式，性能最好的是直接將索引LOCK進內存的MMap方式。默認，Elasticsearch會自動選擇加載方式，另外能夠本身在配置文件中配置。這裏有幾個細節，具體能夠看官方文檔。

索引和meta數據都存在本地，會帶來一個問題：當某一臺機器宕機或者磁盤損壞的時候，數據就丟失了。爲了解決這個問題，可使用Replica（副本）功能。

副本（Replica）

能夠爲每個Index設置一個配置項：副本（Replicda）數，若是設置副本數爲2，那麼就會有3個Shard，其中一個是PrimaryShard，其他兩個是ReplicaShard，這三個Shard會被Mater儘可能調度到不一樣機器，甚至機架上，這三個Shard中的數據同樣，提供一樣的服務能力。

副本（Replica）的目的有三個：

• 保證服務可用性：當設置了多個Replica的時候，若是某一個Replica不可用的時候，那麼請求流量能夠繼續發往其餘Replica，服務能夠很快恢復開始服務。

• 保證數據可靠性：若是隻有一個Primary，沒有Replica，那麼當Primary的機器磁盤損壞的時候，那麼這個Node中全部Shard的數據會丟失，只能reindex了。

• 提供更大的查詢能力：當Shard提供的查詢能力沒法知足業務需求的時候， 能夠繼續加N個Replica，這樣查詢能力就能提升N倍，輕鬆增長系統的併發度。

問題

上面說了一些優點，這種架構一樣在一些場景下會有些問題。

Elasticsearch採用的是基於本地文件系統，使用Replica保證數據可靠性的技術架構，這種架構必定程度上能夠知足大部分需求和場景，可是也存在一些遺憾：

• Replica帶來成本浪費。爲了保證數據可靠性，必須使用Replica，可是當一個Shard就能知足處理能力的時候，另外一個Shard的計算能力就會浪費。

• Replica帶來寫性能和吞吐的降低。每次Index或者update的時候，須要先更新Primary Shard，更新成功後再並行去更新Replica，再加上長尾，寫入性能會有很多的降低。

• 當出現熱點或者須要緊急擴容的時候動態增長Replica慢。新Shard的數據須要徹底從其餘Shard拷貝，拷貝時間較長。

上面介紹了Elasticsearch數據層的架構，以及副本策略帶來的優點和不足，下面簡單介紹了幾種不一樣形式的分佈式數據系統架構。

分佈式系統

第一種：基於本地文件系統的分佈式系統

 

 

上圖中是一個基於本地磁盤存儲數據的分佈式系統。Index一共有3個Shard，每一個Shard除了Primary Shard外，還有一個Replica Shard。當Node 3機器宕機或磁盤損壞的時候，首先確認P3已經不可用，從新選舉R3位Primary Shard，此Shard發生主備切換。而後從新找一臺機器Node 7，在Node7 上從新啓動P3的新Replica。因爲數據都會存在本地磁盤，此時須要將Shard 3的數據從Node 6上拷貝到Node7上。若是有200G數據，千兆網絡，拷貝完須要1600秒。若是沒有replica，則這1600秒內這些Shard就不能服務。

爲了保證可靠性，就須要冗餘Shard，會致使更多的物理資源消耗。

這種思想的另一種表現形式是使用雙集羣，集羣級別作備份。

在這種架構中，若是你的數據是在其餘存儲系統中生成的，好比HDFS/HBase，那麼你還須要一個數據傳輸系統，將準備好的數據分發到相應的機器上。

這種架構中爲了保證可用性和可靠性，須要雙集羣或者Replica才能用於生產環境，優點和反作用在上面介紹Elasticsearch的時候已經介紹過了，這裏就就不贅述了。

Elasticsearch使用的就是這種架構方式。

第二種：基於分佈式文件系統的分佈式系統（共享存儲）

 

 

針對第一種架構中的問題，另外一種思路是：存儲和計算分離。

第一種思路的問題根源是數據量大，拷貝數據耗時多，那麼有沒有辦法能夠不拷貝數據？爲了實現這個目的，一種思路是底層存儲層使用共享存儲，每一個Shard只須要鏈接到一個分佈式文件系統中的一個目錄/文件便可，Shard中不含有數據，只含有計算部分。至關於每一個Node中只負責計算部分，存儲部分放在底層的另外一個分佈式文件系統中，好比HDFS。

上圖中，Node 1 鏈接到第一個文件；Node 2鏈接到第二個文件；Node3鏈接到第三個文件。當Node 3機器宕機後，只須要在Node 4機器上新建一個空的Shard，而後構造一個新鏈接，鏈接到底層分佈式文件系統的第三個文件便可，建立鏈接的速度是很快的，總耗時會很是短。

這種是一種典型的存儲和計算分離的架構，優點有如下幾個方面：

• 在這種架構下，資源能夠更加彈性，當存儲不夠的時候只須要擴容存儲系統的容量；當計算不夠的時候，只須要擴容計算部分容量。

• 存儲和計算是獨立管理的，資源管理粒度更小，管理更加精細化，浪費更少，結果就是整體成本能夠更低。

• 負載更加突出，抗熱點能力更強。通常熱點問題基本都出如今計算部分，對於存儲和計算分離系統，計算部分因爲沒有綁定數據，能夠實時的擴容、縮容和遷移，當出現熱點的時候，能夠第一時間將計算調度到新節點上。

這種架構同時也有一個不足：訪問分佈式文件系統的性能可能不及訪問本地文件系統。在上一代分佈式文件系統中，這是一個比較明顯的問題，可是目前使用了各類用戶態協議棧後，這個差距已經愈來愈小了。HBase使用的就是這種架構方式。
Solr也支持這種形式的架構。

總結

上述兩種架構，各有優點和不足，對於某些架構中的不足或缺陷，思路不一樣，解決的方案也截然不同，可是思路跨度越大，收益通常也越大。

上面只是介紹了分佈式數據（存儲/搜索/分析等等）系統在存儲層的兩種不一樣架構方式，但願能對你們有用。可是分佈式系統架構設計所涉及的內容廣，細節多，權衡點衆，若是你們對某些領域或者方面有興趣，也能夠留言，後面再探討。