< 返回技术文档列表

Elasticsearch的原理是什么

发布时间:2021-11-07 03:15:03⊙投诉举报

本篇内容主要讲解“Elasticsearch的原理是什么”,感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷,实用性强。下面就让小编来带大家学习“Elasticsearch的原理是什么”吧!

Lucene 和 ES

Lucene

Lucene 是 Elasticsearch所基于的 Java 库,它引入了按段搜索的概念:

  • Segment:也叫段,类似于倒排索引,相当于一个数据集。

  • Commit point:提交点,记录着所有已知的段。

  • Lucene index:“a collection of segments plus a commit point”。由一堆 Segment  的集合加上一个提交点组成。

对于一个 Lucene index 的组成,如下图所示:

Elasticsearch的原理是什么

ES

一个 Elasticsearch Index 由一个或者多个 shard(分片)组成。

Elasticsearch的原理是什么

而 Lucene 中的 Lucene index 相当于 ES 的一个 shard。

Elasticsearch的原理是什么

写入过程

写入过程 1.0(不完善)

写入过程 1.0 如下:

  • 不断将 Document 写入到 In-memory buffer(内存缓冲区)。

  • 当满足一定条件后内存缓冲区中的 Documents 刷新到磁盘。

  • 生成新的 segment 以及一个 Commit point 提交点。

  • 这个 segment 就可以像其他 segment 一样被读取了。

画图如下:

Elasticsearch的原理是什么

将文件刷新到磁盘是非常耗费资源的,而且在内存缓冲区和磁盘中间存在一个高速缓存(cache),一旦文件进入到 cache 就可以像磁盘上的 segment  一样被读取了。

写入过程 2.0

写入过程 2.0 如下:

  • 不断将 Document 写入到 In-memory buffer(内存缓冲区)。

  • 当满足一定条件后内存缓冲区中的 Documents 刷新到高速缓存(cache)。

  • 生成新的 segment,这个 segment 还在 cache 中。

  • 这时候还没有 commit,但是已经可以被读取了。

画图如下:

Elasticsearch的原理是什么

数据从 buffer 到 cache 的过程是定期每秒刷新一次。所以新写入的 Document 最慢 1 秒就可以在 cache 中被搜索到。

而 Document 从 buffer 到 cache 的过程叫做 ?refresh。一般是 1 秒刷新一次,不需要进行额外修改。

当然,如果有修改的需要,可以参考文末的相关资料。这也就是为什么说 Elasticsearch 是准实时的。

使文档立即可见:

PUT /test/_doc/1?refresh {"test": "test"}  // 或者 PUT /test/_doc/2?refresh=true {"test": "test"}

Translog 事务日志

此处可以联想 MySQL 的 binlog,ES 中也存在一个 translog 用来失败恢复:

  • Document 不断写入到 In-memory buffer,此时也会追加 translog。

  • 当 buffer 中的数据每秒 refresh 到 cache 中时,translog 并没有进入到刷新到磁盘,是持续追加的。

  • translog 每隔 5s 会 fsync 到磁盘。

  • translog 会继续累加变得越来越大,当 translog 大到一定程度或者每隔一段时间,会执行 flush。

Elasticsearch的原理是什么

flush 操作会分为以下几步执行:

  • buffer 被清空。

  • 记录 commit point。

  • cache 内的 segment 被 fsync 刷新到磁盘。

  • translog 被删除。

Elasticsearch的原理是什么

值得注意的是:

  • translog 每 5s 刷新一次磁盘,所以故障重启,可能会丢失 5s 的数据。

  • translog 执行 flush 操作,默认 30 分钟一次,或者 translog 太大也会执行。

手动执行 flush:

POST /my-index-000001/_flush

删除和更新

segment 不可改变,所以 docment 并不能从之前的 segment 中移除或更新。

所以每次 commit, 生成 commit point 时,会有一个 .del 文件,里面会列出被删除的 document(逻辑删除)。

而查询时,获取到的结果在返回前会经过 .del 过滤。更新时,也会标记旧的 docment 被删除,写入到 .del  文件,同时会写入一个新的文件。

此时查询会查询到两个版本的数据,但在返回前会被移除掉一个。

Elasticsearch的原理是什么

segment 合并

每 1s 执行一次 refresh 都会将内存中的数据创建一个 segment。

segment 数目太多会带来较大的麻烦。每一个 segment 都会消耗文件句柄、内存和 cpu 运行周期。

更重要的是,每个搜索请求都必须轮流检查每个 segment ;所以 segment 越多,搜索也就越慢。

在 ES 后台会有一个线程进行 segment 合并:

  • refresh 操作会创建新的 segment 并打开以供搜索使用。

  • 合并进程选择一小部分大小相似的 segment,并且在后台将它们合并到更大的 segment 中。这并不会中断索引和搜索。

  • 当合并结束,老的 segment 被删。

说明合并完成时的活动:

  • 新的 segment 被刷新(flush)到了磁盘。 写入一个包含新 segment 且排除旧的和较小的 segment的新 commit  point。

  • 新的 segment 被打开用来搜索。

  • 老的 segment 被删除。

Elasticsearch的原理是什么

物理删除:在 segment merge 这块,那些被逻辑删除的 document 才会被真正的物理删除。

到此,相信大家对“Elasticsearch的原理是什么”有了更深的了解,不妨来实际操作一番吧!这里是血鸟云网站,更多相关内容可以进入相关频道进行查询,关注我们,继续学习!


/template/Home/Zkeys/PC/Static