Elasticsearch架构原理

本帖最后由 levycui 于 2020-5-20 19:46 编辑
架构原理

本书作为 Elastic Stack 指南，关注于 Elasticsearch 在日志和数据分析场景的应用，并不打算对底层的 Lucene 原理或者 Java 编程做详细的介绍，但是 Elasticsearch 层面上的一些架构设计，对我们做性能调优，故障处理，具有非常重要的影响。

所以，作为 ES 部分的起始章节，先从数据流向和分布的层面，介绍一下 ES 的工作原理，以及相关的可控项。各位读者可以跳过这节先行阅读后面的运维操作部分，但作为性能调优的基础知识，依然建议大家抽时间返回来了解。

带着问题学习

写入的数据是如何变成elasticsearch里可以被检索和聚合的索引内容的？
lucene如何实现准实时索引？
什么是segment？
什么是commit？
segment的数据来自哪里？
segment在写入磁盘前就可以被检索，是因为利用了什么？
elasticsearch中的refresh操作是什么？配置项是哪个？设置的命令是什么？
refresh只是写到了文件系统缓存，那么实际写入磁盘是由什么控制呢？，如果这期间发生错误和故障，数据会不会丢失？
什么是translog日志？什么时候会被清空？什么是flush操作？配置项是什么？怎么配置？
什么是段合并？为什么要段合并？段合并线程配置项？段合并策略？怎么forcemerge(optimize)？
routing的规则是什么样的？replica读写过程？wait_for_active_shards参数timeout参数？
reroute 接口？
两种自动发现方式？

segment、buffer和translog对实时性的影响

既然介绍数据流向，首先第一步就是：写入的数据是如何变成 Elasticsearch 里可以被检索和聚合的索引内容的？

以单文件的静态层面看，每个全文索引都是一个词元的倒排索引，具体涉及到全文索引的通用知识，这里不单独介绍，有兴趣的读者可以阅读《Lucene in Action》等书籍详细了解。
动态更新的 Lucene 索引

以在线动态服务的层面看，要做到实时更新条件下数据的可用和可靠，就需要在倒排索引的基础上，再做一系列更高级的处理。

其实总结一下 Lucene 的处理办法，很简单，就是一句话：新收到的数据写到新的索引文件里。

Lucene 把每次生成的倒排索引，叫做一个段(segment)。然后另外使用一个 commit 文件，记录索引内所有的 segment。而生成 segment 的数据来源，则是内存中的 buffer。也就是说，动态更新过程如下：

如何利用磁盘缓存实现的准实时检索？如何使用translog提供的磁盘同步控制？

可下载文档：

Elasticsearch架构原理 .pdf (986.56 KB, 下载次数: 31)