Elasticsearch系列---增量更新原理及優點

概要

本篇主要介紹增量更新(partial update，也叫局部更新)的核心原理，介紹6.3.1版本的Elasticsearch腳本使用實例和增量更新的優點。

增量更新過程與原理

簡單回顧

前文咱們有簡單介紹過增量的語法，簡單回顧一下請求示例：

POST /music/children/1/_update
{
  "doc": {
    "length": "76"
  }
}複製代碼

通常從客戶端到Elasticsearch，完整的應用請求流程基本是這樣的：

• 客戶端先發起GET請求，獲取到document信息，展示到前端頁面上，供用戶進行編輯。
• 用戶編輯完數據後，點擊提交。
• 後臺系統處理修改後的數據，並組裝好完整的document報文。
• 發送PUT請求到ES，進行全量替換。
• ES將老的document標記爲deleted，而後從新建立一個新的document。

Elasticsearch的document是基於不可變模式設計的，全部的document更新，其實都建立了一個新的document出來，再把老的document標記爲deleted，增量更新也不例外，只是GET全量document數據，整合新的document，替換老的document這三步操做全在一個shard裏完成，毫秒級完成。

增量更新分片之間的交互

增量更新document的步驟：

1. Java客戶端向ES集羣發送更新請求。
2. Coodinate Node收到請求，但該document不在當前node上，它將請求轉發到Node2節點的P0 shard上。
3. Node 2檢索document，修改source下的JSON，而且從新索引該document，若是有其餘線程修改過該document，有版本衝突的話，會從新嘗試更新document，最大重試retryon_conflict次，超出重試次數後放棄。
4. 若是步驟3操做成功，Node2會將該document的完整內容異步轉發到Node1和Node3的replica shard，從新創建索引。一旦全部replica都返回成功，Node2返回成功消息給Coodinate Node。
5. Coodinate Node響應更新成功消息給客戶端，此時ES集羣內primary shard和replica shard都已經更新完成。

注意幾點：

• primary shard向replica shard進行document數據同步時，發送的是document的完整信息，由於異步請求不保證有序，若是發增量信息的話，順序錯亂會致使document內容錯誤。
• 只要Coodinate Node向Java客戶端響應成功，就表示全部的primary shard向replica shard都完成了更新操做，此時ES集羣內的數據是一致的，更新是安全的。
• retry策略，ES再次獲取document數據和最新版本號，成功就更新，失敗再試，最大次數能夠設置，如5次：retryonconflict=5
• retry策略在增量操做無關順序的場景更適用，好比說計數操做，誰先執行誰後執行，關係不大，最終結果是對的就行。其餘的一些場景，如庫存的變化，帳戶餘額的變化，直接更新成指定數值的，確定不能使用retry策略，但能夠轉化成加減法，以下單時由直接更新庫存數量的邏輯改爲「當前可用庫存數量=庫存數量-訂單商品數量」，帳戶餘額的更新加減變化的金額，這樣能夠在必定程度上，把順序有關轉化成順序無關，就能夠更方便的使用retry策略解決衝突的問題。

增量更新的優勢

1. 全部的查詢、修改和回寫操做，都是在ES內部完成的，減少了網絡數據傳輸開銷（2次），提高了性能。
2. 相比全量替換的時間間隔（秒級以上），縮短了查詢和修改的時間間隔（毫秒級），能夠有效下降併發衝突的狀況。

使用腳本實現增量更新

Elasticsearch支持使用腳本實現更爲靈活的邏輯，6.0版本之後，默認支持的腳本是painless，而且再也不支持Groovy，由於Groovy編譯有必定機率會出現內存不釋放，最終致使Full GC的問題。

咱們以英文兒歌的案例爲背景，假設document的數據是這樣：

{
  "_index": "music",
  "_type": "children",
  "_id": "2",
  "_version": 6,
  "found": true,
  "_source": {
    "name": "wake me, shark me",
    "content": "don't let me sleep too late, gonna get up brightly early in the morning",
    "language": "english",
    "length": "55",
    "likes": 0
  }
}複製代碼

內置腳本

如今有這樣一個需求：每當有人點擊播放一次歌曲時，該document的likes field就自增1，咱們能夠用簡單的腳原本實現：

POST /music/children/2/_update
{
   "script" : "ctx._source.likes++"
}複製代碼

執行一次後，再查詢該document，發現likes變成1，每執行一次，likes都自增1，結果符合預期。

外部腳本

對剛剛那個自增需求作一些改動，支持批量更新播放量，自增的數量由參數傳入，腳本也能夠經過導入的方式，預先編譯存儲在ES中，使用的時候調用便可。

建立腳本

POST _scripts/music-likes
{
  "script": {
    "lang": "painless",
    "source": "ctx._source.likes += params.new_likes" 
  }
}複製代碼

腳本ID爲music-likes，參數爲new_likes，是能夠在調用時傳入的。

使用腳本

咱們更新時，執行以下請求，就能夠調用剛剛建立的腳本

POST /music/children/2/_update
{
  "script": {
    "id": "music-likes", 
    "params": {
      "new_likes": 2
    }
  }
}複製代碼

id即建立腳本時的music-likes，params是固定寫法，裏面的參數爲new_likes，執行後再查看document信息，能夠看到likes field的值按傳入的值進行累加，結果符合預期。

查看腳本

命令：

GET _scripts/music-likes複製代碼

斜槓後面的參數即腳本ID

刪除腳本

命令：

DELETE _scripts/music-likes複製代碼

斜槓後面的參數即腳本ID

腳本注意事項

• ES檢測到新腳本時，會執行腳本編譯，並將它存儲在緩存中，編譯比較耗時。
• 腳本的編寫能參數化的，就不要硬編碼，提升腳本的複用性。
• 短期內太多的腳本編譯，若是超出了ES的承受範圍，ES直接報circuitbreakingexception錯誤，這個範圍默認是15條/分鐘。
• 腳本緩存默認100條，默認不設過時時間，每一個腳本最大字符65535字節，想自行配置的話能夠改script.cache.expire、script.cache.maxsize和script.maxsizeinbytes參數。

一句話，提升腳本的複用性。

upsert語法

像剛剛的案例，實現的是一個播放計數器的功能，目前這個計數器是與內容存儲在一塊兒，若是計數器單獨存儲，可能會出現新上架的一首歌，但計數器的document可能還不存在，試圖對它作更新操做會報documentmissingexception錯誤，這種場景咱們須要使用upsert語法：

POST /music/children/3/_update
{
   "script" : "ctx._source.likes++",
   "upsert": {
     "likes": 0
   }
}複製代碼

若是id爲3的記錄不存在，第一次請求時，執行upsert裏面的JSON內容，初始化一個新文檔，ID爲3，likes值爲0；第二次請求時，文檔已經存在，此時作script腳本的更新操做，likes自增。

小結

本篇簡單介紹了增量更新的過程與原理，並與全量替換作了簡單的對比，針對一些簡單的計數場景，引入腳本的實現方式案例，腳本能夠實現很豐富的功能，具體能夠查看官網對Painless的介紹。

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