一文轻松图解搞懂Elasticsearch原理！

官方网站 www.itilzj.com 文档资料: wenku.itilzj.com

ES 的集群模式和 kafka 很像，kafka 又和 redis 的集群模式很像。总之就是相互借鉴！

不管你用没用过 ES，今天我们一起聊聊它。就当扩展大家的知识广度了！

认识倒排索引

「正排索引 VS 倒排索引：」

正排索引 VS 倒排索引

「倒排索引包括两个部分：」

•  

   

  单词词典（Term Dictionary）：记录所有文档的单词，记录单词到倒排列表的关联关系

   

  ❝ 单词词典一般比较大，可以通过 B+ 树 或 哈希拉链法实现，以满足高性能的插入与查询 ❞

•  

   

  倒排列表（Posting List）：记录了单词对应的文档结合，由倒排索引项（Posting）组成：

   

• •  

    文档ID

     

  •  

    词频TF：该单词在文档中出现的次数，用于相关性评分

     

  •  

    位置（Position）：单词在文档中分词的位置。用于语句搜索（Phrase Query）

     

  •  

    偏移（Offset）：记录单词的开始结束位置，实现高亮显示

     

倒排索引

「ElasticSearch的倒排索引：」

•  

  ElasticSearch的JSON文档中的每个字段，都有自己的倒排索引

   

•  

  可以针对某些字段不做索引

   

• •  

    优点：节省存储空间

     

  •  

    缺点：字段无法被搜索

     

分布式架构原理

「分片shard：一个索引可以拆分成多个shard分片。」

•  

  主分片primary shard：每个分片都有一个主分片。

   

•  

  备份分片replica shard：主分片写入数据后，会将数据同步给其他备份分片。

   

将ES集群部署在 3个 机器上（esnode1、esnode2、esnode3）：

「创建个索引，分片为 3 个，副本数设置为 1：」

PUT /sku_index/_settings
{
"settings": {
"number_of_shards" : 3,
"number_of_replicas": 1
}
}

响应：
{
"acknowledged" : true
}

分布式架构原理

「ES集群中有多个节点，会自动选举一个节点为master节点，如上图的esnode2节点：」

•  

  主节点（master）：管理工作，维护索引元数据、负责切换主分片和备份分片身份等。

   

•  

  从节点（node）：数据存储。

   

「集群中某节点宕机：」

•  

  主节点宕机：会重新选举一个节点为 主节点。

   

•  

  从节点宕机：由 主节点，将宕机节点上的 主分片身份转移到其他机器上的 备份分片上。

   

写入数据的工作原理

「写单个文档所需的步骤：」

1.  

    

   客户端选择一个Node发送请求，那么这个Node就称为「协调节点（Coorinating Node）」。

    

2.  

    

   Node使用文档ID来确定文档属于分片 0，通过集群状态中的内容路由表信息获知分片0 的主分片在Node1上，因此将请求转发到Node1上。

    

3.  

    

   Node1上的主分片执行写操作。如果写入成功，则将请求并行转发到Node3的副分片上，等待返回结果。

   当所有的副分片都报告成功，Node1将向Node（协调节点）报告成功。

    

写入数据的工作原理

「Tips：客户端收到成功响应时，意味着写操作已经在主分片和所有副分片都执行完成。」

写数据底层原理

写数据底层原理

「写操作可分为 3 个主要操作：」

1.  

    

   **写入新文档：**这时候搜索，是搜索不到。

    

•  

  将数据写入内存

   

•  

  将这操作写入translog文件中

   

**refresh操作：**默认每隔 1s ，将内存中的文档写入文件系统缓存（filesystem cache）构成一个segment

❝ 这时候搜索，可以搜索到数据。 ❞

•  

  「1s时间：ES是近实时搜索，即数据写入1s后可以搜索到。」

   

**flush操作：**默认每隔 30 分钟 或者translog文件512MB，将文件系统缓存中的segment写入磁盘，并将translog删除。

「translog文件：」来记录两次flush(fsync) 之间所有的操作，当机器从故障中恢复或者重启，可以根据此还原

•  

  translog是文件，存在于内存中，如果掉电一样会丢失。

   

•  

  「默认每隔 5s 刷一次到磁盘中」

   

读取数据的工作原理

「读取文档所需的步骤：」

1.  

   客户端选择一个Node发送请求，那么这个Node就称为「协调节点（Coorinating Node）」。

    

2.  

   Node使用文档ID来确定文档属于分片 0，通过集群状态中的内容路由表信息获知分片0 有 2 个副本数据（一主一副），会使用随机轮询算法选择出一个分片，这里将请求转发到Node1

    

3.  

   Node1将文档返回给Node，Node将文档返回给客户端。

    

读取数据的工作原理

「在读取时，文档可能已经存在于主分片上，但还没有复制到副分片，这种情况下：」

•  

  读请求命中副分片时，可能会报告文档不存在。

   

•  

  读请求命中主分片时，可能成功返回文档。

   

搜索工作原理

「搜索数据过程：」

1.  

   客户端选择一个Node发送请求，那么这个Node就称为「协调节点（Coorinating Node）」。

    

2.  

   Node协调节点将搜索请求转发到所有的 分片（shard）：主分片 或 副分片，都可以。

    

3.  

   「query阶段」：每个分片shard将自己的搜索结果（文档ID）返回给协调节点，由协调节点进行数据的合并、排序、分页等操作，产出最终结果。

    

4.  

   「fetch阶段」：由协调节点根据 文档ID去各个节点上拉取实际的文档数据。

    

搜索工作原理

**举个栗子：**有 3 个分片，查询返回前 10 个匹配度最高的文档

1.  

   每个分片都查询出当前分片的TOP 10数据

    

2.  

   「协调节点」将3 * 10 = 30的结果再次排序，返回最终TOP 10的结果。

    

删除/更新数据底层原理

•  

  「删除操作」：commit的时候会生成一个.del文件，里面将某个doc标识为deleted状态，那么搜索的时候根据.del文件就知道这个 doc 是否被删除了。

   

•  

  「更新操作」：就是将原来的doc标识为deleted状态，然后新写入一条数据。

   

「底层逻辑是：」

•  

  Index Buffer每次refresh操作，就会产生一个segment file。（默认情况：1秒1次）

   

•  

  定制执行merge操作：将多个segment file合并成一个，同时将标识为deleted的doc「物理删除」，将新的segment file写入磁盘，最后打上commit point标识所有新的segment file。