ElasticSearch分布式

Posted 2023-04-13

参考技术A 关于ES是如何使用的，可以参考 ElasticSearch关于数据的操作 。
对于ES的使用者而言，不需要了解这节的内容仍然可以很好地利用ES从事工作生产。这节介绍ES的分布式是对更高级使用者的拓展，当然相对于ES的强大的功能，这节分布式内容仍然属于基础入门。了解更多内容需要前往官网进一步学习。

在 ElasticSearch关于数据的操作 中简单提到过分片，这里重新详细介绍一下。ES文档存储在各个分片之中，每个分片保存所有数据中的一小片。分片分为主分片（primary shard）和复制分片（replica shard），在分布式集群中主分片和对应的复制分片存放在不同的节点（node），防止服务器宕机造成数据丢失。一个分片本身是一个lucene实例，是一个完整成熟的搜索引擎。

在操作数据时，ES根据简单取模的算法路由到相应的分片上：

其中routing是任意字符串，默认是_id也可以自定义，哈希之后生成一个数字除以主分片数量等到的余数就是指定文档所在的分片。

关于这个公式：

按照请求的读写类型划分：

当批量请求到来时，请求节点（接受请求的节点称为请求节点）知道每个文档所在的分片，把批量请求分解成每个分片的批量请求，发送给各个节点，等到参与的节点返回结果后，整理成一个完整的响应返回给客户端。

550Elasticsearch详细入门教程系列 -分布式全文搜索引擎 Elasticsearch 2023.03.31

目录

• • 一、Elasticsearch简介&安装
  • • 1.1、Elasticsearch是什么？
    • 1.2、全文搜索引擎
    • 1.3、Elasticsearch的应用案例
    • 1.4、Elasticsearch的下载、安装、运行
    • 1.5、有关restful
  • 二、参考链接

一、Elasticsearch简介&安装

1.1、Elasticsearch是什么？

The Elastic Stack, 包括 Elasticsearch、Kibana、Beats 和 Logstash（也称为 ELK Stack）。能够安全可靠地获取任何来源、任何格式的数据，然后实时地对数据进行搜索、分析和可视化。Elaticsearch，简称为 ES， ES 是一个开源的高扩展的分布式全文搜索引擎，是整个 Elastic Stack 技术栈的核心。它可以近乎实时的存储、检索数据；本身扩展性很好，可以扩展到上百台服务器，处理 PB 级别的数据。

1.2、全文搜索引擎

Google，百度类的网站搜索，它们都是根据网页中的关键字生成索引，我们在搜索的时候输入关键字，它们会将该关键字即索引匹配到的所有网页返回；还有常见的项目中应用日志的搜索等等。对于这些非结构化的数据文本，关系型数据库搜索不是能很好的支持。一般传统数据库，全文检索都实现的很鸡肋，因为一般也没人用数据库存文本字段。进行全文检索需要扫描整个表，如果数据量大的话即使对 SQL 的语法优化，也收效甚微。建立了索引，但是维护起来也很麻烦，对于 insert 和 update 操作都会重新构建索引。基于以上原因可以分析得出，在一些生产环境中，使用常规的搜索方式，性能是非常差的：

搜索的数据对象是大量的非结构化的文本数据。
文件记录量达到数十万或数百万个甚至更多。
支持大量基于交互式文本的查询。
需求非常灵活的全文搜索查询。
对高度相关的搜索结果的有特殊需求，但是没有可用的关系数据库可以满足。
对不同记录类型、非文本数据操作或安全事务处理的需求相对较少的情况。
为了解决结构化数据搜索和非结构化数据搜索性能问题，我们就需要专业，健壮，强大的全文搜索引擎。这里说到的全文搜索引擎指的是目前广泛应用的主流搜索引擎。它的工作原理是计算机索引程序通过扫描文章中的每一个词，对每一个词建立一个索引，指明该词在文章中出现的次数和位置，当用户查询时，检索程序就根据事先建立的索引进行查找，并将查找的结果反馈给用户的检索方式。这个过程类似于通过字典中的检索字表查字的过程。

1.3、Elasticsearch的应用案例

GitHub: 2013 年初，抛弃了 Solr，采取 Elasticsearch 来做 PB 级的搜索。“GitHub 使用Elasticsearch 搜索 20TB 的数据，包括 13 亿文件和 1300 亿行代码”。
维基百科：启动以 Elasticsearch 为基础的核心搜索架构
SoundCloud：“SoundCloud 使用 Elasticsearch 为 1.8 亿用户提供即时而精准的音乐搜索服务”。
百度：目前广泛使用 Elasticsearch 作为文本数据分析，采集百度所有服务器上的各类指标数据及用户自定义数据，通过对各种数据进行多维分析展示，辅助定位分析实例异常或业务层面异常。目前覆盖百度内部 20 多个业务线（包括云分析、网盟、预测、文库、直达号、钱包、风控等），单集群最大 100 台机器，200 个 ES 节点，每天导入 30TB+ 数据。
新浪：使用 Elasticsearch 分析处理 32 亿条实时日志。
阿里：使用 Elasticsearch 构建日志采集和分析体系。
Stack Overflow：解决 Bug 问题的网站，全英文，编程人员交流的网站。

1.4、Elasticsearch的下载、安装、运行

Download Elasticsearch Free | Get Started Now | Elastic | Elastic

Elasticsearch 的官方地址：https://www.elastic.co/cn/

下载地址：https://www.elastic.co/cn/downloads/past-releases#elasticsearch

Elasticsearch 分为 Linux 和 Windows
版本，未来在企业里肯定是要用linux版本的，并且还要搭建集群。那么这里我学习ES为了方便、快速掌握，就采用windows版本了。

下载完成之后，是一个压缩包，直接解压就可以了。

bin 可执行脚本目录

config 配置目录

jdk 内置 JDK 目录（ES是采用Java语言开发的）

lib 类库

logs 日志目录

modules 模块目录

plugins 插件目录

解压后，进入 bin 文件目录，点击 elasticsearch.bat 文件启动 ES 服务。

注意：9300 端口为 Elasticsearch 集群间组件的通信端口，9200 端口为浏览器访问的 http 协议的 RESTful 端口。

1.5、有关restful

REST 指的是一组架构约束条件和原则。满足这些约束条件和原则的应用程序或设计就是 RESTful。Web 应用程序最重要的 REST
原则是，客户端和服务器之间的交互在请求之间是无状态的。从客户端到服务器的每个请求都必须包含理解请求所必需的信息。如果服务器在请求之间的任何时间点重启，客户端不会得到通知。此外，无状态请求可以由任何可用服务器回答，这十分适合云计算之类的环境。客户端可以缓存数据以改进性能。

在服务器端，应用程序状态和功能可以分为各种资源。资源是一个有趣的概念实体，它向客户端公开。资源的例子有：应用程序对象、数据库记录、算法等等。每个资源都使用
URI(Universal Resource Identifier)
得到一个唯一的地址。所有资源都共享统一的接口，以便在客户端和服务器之间传输状态。使用的是标准的 HTTP 方法，比如
GET、PUT、POST 和 DELETE。

在 REST 样式的 Web
服务中，每个资源都有一个地址。资源本身都是方法调用的目标，方法列表对所有资源都是一样的。这些方法都是标准方法，包括 HTTP
GET、POST、PUT、DELETE，还可能包括 HEAD 和
OPTIONS。简单的理解就是，如果想要访问互联网上的资源，就必须向资源所在的服务器发出请求，请求体中必须包含资源的网络路径，以及对资源进行的操作(增删改查)。

二、参考链接

[01] 分布式全文搜索引擎 Elasticsearch
[02] 百度- Elasticsearch