Elasticsearch入門知識點總結

這篇文章主要介紹“Elasticsearch入門知識點總結”，在日常操作中，相信很多人在Elasticsearch入門知識點總結問題上存在疑惑，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”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

正文

我先介紹一下目前主流的幾種數據庫存儲方式 ：

行存儲：同一行的數據被物理的存儲在一起

常見的行式數據庫系統有：MySQL、Postgres和MS SQL Server。

存儲結構：

某些場景下行存儲數據庫的查詢效率：

列存儲 ：來自不同列的值被單獨存儲，來自同一列的數據被存儲在一起

常見的列式數據庫有：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據庫的查詢效率：

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。在列式數據庫中你可以只讀取你需要的數據。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。

• 由于數據總是打包成批量讀取的，所以壓縮是非常容易的。同時數據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，這將幫助更多的數據被系統緩存。

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的快和數據結構做鋪墊而已，事實上Clickhouse這樣的數據庫也只適合某些場景，大部分場景還得行式數據庫。

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構了：

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構其實是為了說明一下es的場景，以及es的一些優勢，我們都知道數據庫是有索引的，而且也挺快的，那es又是怎么存儲數據，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，跟我們傳統意義的根據key找value還不太一樣。

舉個例子，還是上面的數據，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的數組，存儲了所有符合某個term的文檔id。

怎么根據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的查詢速度是非常快的，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，想要快就得放到內存，但是es數據量級往往是很大的，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。

這就是三者的關系，是一張很經典的圖了，基本上所有學es的人都應該看到過。

Term Index就存了一些前綴和映射關系，這樣可以大大減少磁盤的隨機讀次數了。

巧妙壓縮

大家是不是發現這個設計是很巧妙的?而且es的檢索速度比MySQL是快很多的，大家在使用MySQL的時候可以發現其實索引跟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。

還有一點我很想提一下，就是Term index 在磁盤的存儲結構，這個在我歷史文章有寫過，而且當時我還踩過他的坑，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，最簡單化通過壓縮字節的方式，上面我說了Term index放到內存都放不下，但是壓縮一下呢?

細節我就不展開了，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。

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寫入的數據會先寫到一個內存bufferr中去(在buffer里的時候數據是搜索不到的)，然后每隔默認是一秒會刷到os  cache。

操作系統里面，磁盤文件其實都有一個東西，叫做os cache，操作系統緩存，就是說數據寫入磁盤文件之前，會先進入os  cache，先進入操作系統級別的一個內存緩存中去。

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

為什么要這么設計呢?

簡單我們看一下不這么設計會怎么樣：

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，是怎樣一個災難級別的現場。

那es怎么做的呢?

數據寫入到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，并發也就上去了。

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

當一個文檔被索引時，每個Term都可能會創建一個倒排索引。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該這樣分。

現在都是可以采用機器學習算法來分詞，還有一些中文分詞插件，比如ik分詞器。

他內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，假設現在es集群有兩個節點，節點1是主節點對外提供服務，節點2是副本分片節點。

現在兩個節點因為網絡原因斷聯了，會發現什么?主節點發現自己是主節點繼續對外提供服務，副本節點發現沒有主節點了，選舉自己是主節點，也對外提供服務了，因為主節點不可用他也是被迫當主節點的(狗頭)。

對于調用者來說，這是很難發現差別的，除非去對比數據，而我之前在生產環境就發生過腦裂的情況，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  這個參數決定了在選主過程中需要有多少個節點通信，默認是1，設置的原則就是設置為 集群節點數量/2+1個。

如果你的集群是三個節點，那這個參數就設置為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點，參數還是2，但是你發現掛了一個只有一個節點自己跟自己通信，就不會選主了。

但是這樣也有弊端只有2個節點的時候，掛一個就相當于服務不可用了，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，每個節點都有一個編號，只有編號最大的存活節點才能成為  master 節點。Bully算法的具體過程為：

• 當任何一個進程P發現 master 不響應請求時，它發起一次選舉，選舉過程如下：

• (1)P進程向所有編號比它大的進程發送一個 election 消息;

• (2)如果無人響應，則P獲勝，成為 master;

• (3)如果編號比它大的進程響應，則由響應者接管選舉工作，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，當消息到達時，接受者發送一個 OK  消息給發送者，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調者，隨后協調者將獲勝消息發送給其他所有進程，通知它們新的協調者誕生了。

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是一個開源數據收集引擎，具有實時管道功能。Logstash可以動態地將來自不同數據源的數據統一起來，并將數據標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。輸入插件從數據源那里消費數據，過濾器插件根據你的期望修改數據，輸出插件將數據寫入目的地。

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索引中的數據。使用Kibana，可以通過各種圖表進行高級數據分析及展示。

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

設置Kibana非常簡單，無需編碼或者額外的基礎架構，幾分鐘內就可以完成Kibana安裝并啟動Elasticsearch索引監測。

到此，關于“Elasticsearch入門知識點總結”的學習就結束了，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習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！