Elasticsearch系列---Elasticsearch的基本概念及工做原理

基本概念

Elasticsearch有幾個核心的概念，花幾分鐘時間瞭解一下，有助於後面章節的學習。

NRT

Near Realtime，近實時，有兩個層面的含義，一是從寫入一條數據到這條數據能夠被搜索，有一段很是小的延遲（大約1秒左右），二是基於Elasticsearch的搜索和分析操做，耗時能夠達到秒級。

Cluster

集羣，對外提供索引和搜索的服務，包含一個或多個節點，每一個節點屬於哪一個集羣是經過集羣名稱來決定的（默認名稱是elasticsearch），集羣名稱搞錯了後果很嚴重。命名建議是研發、測試環境、準生產、生產環境用不一樣的名稱增長區分度，例如研發使用es-dev，測試使用es-test，準生產使用es-stg，生產環境使用es-pro這樣的名字來區分。若是是中小型應用，集羣能夠只有一個節點。

Node

單獨一個Elasticsearch服務器實例稱爲一個node，node是集羣的一部分，每一個node有獨立的名稱，默認是啓動時獲取一個UUID做爲名稱，也能夠自行配置，node名稱特別重要，Elasticsearch集羣是經過node名稱進行管理和通訊的，一個node只能加入一個Elasticsearch集羣當中，集羣提供完整的數據存儲，索引和搜索的功能，它下面的每一個node分攤上述功能（每條數據都會索引到node上）。

shard

分片，是單個Lucene索引，因爲單臺機器的存儲容量是有限的（如1TB），而Elasticsearch索引的數據可能特別大（PB級別，而且30GB/天的寫入量），單臺機器沒法存儲所有數據，就須要將索引中的數據切分爲多個shard，分佈在多臺服務器上存儲。利用shard能夠很好地進行橫向擴展，存儲更多數據，讓搜索和分析等操做分佈到多臺服務器上去執行，提高集羣總體的吞吐量和性能。shard在使用時比較簡單，只須要在建立索引時指定shard的數量便可，剩下的都交給Elasticsearch來完成，只是建立索引時一旦指定shard數量，後期就不能再更改了。

replica

索引副本，徹底拷貝shard的內容，shard與replica的關係能夠是一對多，同一個shard能夠有一個或多個replica，而且同一個shard下的replica數據徹底同樣，replica做爲shard的數據拷貝，承擔如下三個任務：

1. shard故障或宕機時，其中一個replica能夠升級成shard。
2. replica保證數據不丟失（冗餘機制），保證高可用。
3. replica能夠分擔搜索請求，提高整個集羣的吞吐量和性能。

shard的全稱叫primary shard，replica全稱叫replica shard，primary shard數量在建立索引時指定，後期不能修改，replica shard後期能夠修改。默認每一個索引的primary shard值爲5，replica shard值爲1，含義是5個primary shard，5個replica shard，共10個shard。所以Elasticsearch最小的高可用配置是2臺服務器。

Index

索引，具備相同結構的文檔集合，相似於關係型數據庫的數據庫實例（6.0.0版本type廢棄後，索引的概念降低到等同於數據庫表的級別）。一個集羣裏能夠定義多個索引，如客戶信息索引、商品分類索引、商品索引、訂單索引、評論索引等等，分別定義本身的數據結構。索引命名要求所有使用小寫，創建索引、搜索、更新、刪除操做都須要用到索引名稱。

type

類型，本來是在索引(Index)內進行的邏輯細分，但後來發現企業研發爲了加強可閱讀性和可維護性，制訂的規範約束，同一個索引下不多還會再使用type進行邏輯拆分（如同一個索引下既有訂單數據，又有評論數據），於是在6.0.0版本以後，此定義廢棄。

Document

文檔，Elasticsearch最小的數據存儲單元，JSON數據格式，相似於關係型數據庫的表記錄（一行數據），結構定義多樣化，同一個索引下的document，結構儘量相同。

工做原理

簡單地瞭解一下Elasticsearch的工做原理。

啓動過程

當Elasticsearch的node啓動時，默認使用廣播尋找集羣中的其餘node，並與之創建鏈接，若是集羣已經存在，其中一個節點角色特殊一些，叫coordinate node（協調者，也叫master節點），負責管理集羣node的狀態，有新的node加入時，會更新集羣拓撲信息。若是當前集羣不存在，那麼啓動的node就本身成爲coordinate node。

應用程序與集羣通訊過程

雖然Elasticsearch設置了Coordinate Node用來管理集羣，但這種設置對客戶端（應用程序）來講是透明的，客戶端能夠請求任何一個它已知的node，若是該node是集羣當前的Coordinate，那麼它會將請求轉發到相應的Node上進行處理，若是該node不是Coordinate，那麼該node會先將請求轉交給Coordinate Node，再由Coordinate進行轉發，搓着各node返回的數據所有交由Coordinate Node進行彙總，最後返回給客戶端。

集羣內node有效性檢測

正常工做時，Coordinate Node會按期與拓撲結構中的Node進行通訊，檢測實例是否正常工做，若是在指定的時間週期內，Node無響應，那麼集羣會認爲該Node已經宕機。集羣會從新進行均衡：

1. 從新分配宕機的Node，其餘Node中有該Node的replica shard，選出一個replica shard，升級成爲primary shard。
2. 從新安置新的shard。
3. 拓撲更新，分發給該Node的請求從新映射到目前正常的Node上。

小結

本篇章簡單的向你們介紹了一下Elasticsearch的基本概念和工做原理，讓你們有個比較淺顯的認識，後續會結合實際的例子，來了解一下Elasticsearch基本的用法。

專一Java高併發、分佈式架構，更多技術乾貨分享與心得，請關注公衆號：Java架構社區