二十七、ElasticSearch聚合分析中的算法讲解

Posted 2023-04-11

参考技术A 1、易并行聚合算法，三角选择原则，近似聚合算法
（1）、易并行聚合算法：比如max

（2）、不易的，如count(distinct)

（2）精准+大数据：hadoop，批处理，非实时，可以处理海量数据，保证精准，可能会跑几个小时
（3）大数据+实时：es，不精准，近似估计，可能会有百分之几的错误率
（4）、近似聚合算法
如果采取近似估计的算法：延时在100ms左右，0.5%错误
如果采取100%精准的算法：延时一般在5s~几十s，甚至几十分钟，几小时， 0%错误
2、cardinality去重及算法优化和HLL算法分析
es，去重，cartinality metric，对每个bucket中的指定的field进行去重，取去重后的count，类似于count(distcint)

precision_threshold优化准确率和内存开销可以提高去重性能
cardinality算法，会占用precision_threshold * 8 byte 内存消耗，100 * 8 = 800个字节
HyperLogLog++ (HLL)算法性能优化
默认情况下，发送一个cardinality请求的时候，会动态地对所有的field value，取hash值; 将取hash值的操作，前移到建立索引的时候

3、percentiles百分比算法以及网站访问时延统计
需求：比如有一个网站，记录下了每次请求的访问的耗时，需要统计tp50，tp90，tp99
tp50：50%的请求的耗时最长在多长时间
tp90：90%的请求的耗时最长在多长时间
tp99：99%的请求的耗时最长在多长时间

数据：

不同概率百分比之间的防问效率：

分组统计防问百分比，并计算平均值

4、percentile ranks网站访问时延SLA统计

SLA：就是你提供的服务的标准
例以地区分组，计算以不同时间的响应百分比

5、doc value原理
（1）index-time生成
PUT/POST的时候，就会生成doc value数据，也就是正排索引
（2）核心原理与倒排索引类似
正排索引，也会写入磁盘文件中，os cache先进行缓存，以提升访问doc value正排索引的性能，如果os cache内存大小不足够放得下整个正排索引，doc value，就会将doc value的数据写入磁盘文件中
（3）性能问题：
es官方是建议，es大量是基于os cache来进行缓存和提升性能的，不建议用jvm内存来进行缓存，那样会导致一定的gc开销和oom问题给jvm更少的内存，给os cache更大的内存。
（4）、column压缩
doc1: 550
doc2: 550
doc3: 500
合并相同值，550，doc1和doc2都保留一个550的标识即可
（1）所有值相同，直接保留单值
（2）少于256个值，使用table encoding模式：一种压缩方式
（3）大于256个值，看有没有最大公约数，有就除以最大公约数，然后保留这个最大公约数
（4）如果没有最大公约数，采取offset结合压缩的方式：
如果的确不需要doc value，比如聚合等操作，那么可以禁用，减少磁盘空间占用
PUT my_index

"mappings":
"my_type":
"properties":
"my_field":
"type": "keyword"
"doc_values": false





6、对于分词的field执行aggregation，发现报错。。。

如果直接对分词field执行聚合，报错，大概意思是说，你必须要打开fielddata，然后将正排索引数据加载到内存中，才可以对分词的field执行聚合操作，而且会消耗很大的内存

给分词的field，设置fielddata=true，发现可以执行

也可以用内置field不分词，对string field进行聚合

7、分词field+fielddata的工作原理
（1）、不分词的所有field，可以执行聚合操作 --> 如果你的某个field不分词，那么在index-time时，就会自动生成doc value --> 针对这些不分词的field执行聚合操作的时候，自动就会用doc value来执行
（2）、分词field，是没有doc value的。在index-time，如果某个field是分词的，那么是不会给它建立doc value正排索引的，因为分词后，占用的空间过于大，所以默认是不支持分词field进行聚合的
fielddata加载到内存的过程是lazy加载的，对一个analzyed field执行聚合时，才会加载，而且是field-level加载的。一个index的一个field，所有doc都会被加载，而不是少数doc，不是index-time创建，是query-time创建
为什么fielddata必须在内存？因为分词的字符串，需要按照term进行聚合，需要执行更加复杂的算法和操作，如果基于磁盘和os cache，那么性能会很差。

8、fielddata相关优化配置
（1）、内存限制
indices.fielddata.cache.size: 20%，超出限制，清除内存已有fielddata数据，fielddata占用的内存超出了这个比例的限制，那么就清除掉内存中已有的fielddata数据
默认无限制，限制内存使用，但是会导致频繁evict和reload，大量IO性能损耗，以及内存碎片和gc

（2）监控fielddata内存使用
GET /_stats/fielddata?fields=*
GET /_nodes/stats/indices/fielddata?fields=*
GET /_nodes/stats/indices/fielddata?level=indices&fields=*

（3）、circuit breaker断路器
如果一次query load的feilddata超过总内存，就会oom --> 内存溢出
circuit breaker会估算query要加载的fielddata大小，如果超出总内存，就短路，query直接失败
indices.breaker.fielddata.limit：fielddata的内存限制，默认60%
indices.breaker.request.limit：执行聚合的内存限制，默认40%
indices.breaker.total.limit：综合上面两个，限制在70%以内

（4）、fielddata filter的细粒度内存加载控制

min：仅仅加载至少在1%的doc中出现过的term对应的fielddata
比如说某个值，hello，总共有1000个doc，hello必须在10个doc中出现，那么这个hello对应的fielddata才会加载到内存中来
min_segment_size：少于500 doc的segment不加载fielddata
加载fielddata的时候，也是按照segment去进行加载的，某个segment里面的doc数量少于500个，那么这个segment的fielddata就不加载

（5）、fielddata预加载

query-time的fielddata生成和加载到内存，变为index-time，建立倒排索引的时候，会同步生成fielddata并且加载到内存中来，这样的话，对分词field的聚合性能当然会大幅度增强
（6）、global ordinal序号标记预加载

有很多重复值的情况，会进行global ordinal标记
doc1: status1
doc2: status2
doc3: status2
doc4: status1

status1 --> 0 status2 --> 1

doc1: 0
doc2: 1
doc3: 1
doc4: 0

建立的fielddata也会是这个样子的，这样的好处就是减少重复字符串的出现的次数，减少内存的消耗

BetaFlight模块设计之二十七：姿态更新任务分析

BetaFlight模块设计之二十七：姿态更新任务分析

• 姿态更新任务
• 姿态欧拉角定义
• 主要函数分析
• • imuUpdateAttitude函数
  • imuCalculateEstimatedAttitude函数

基于BetaFlight开源代码框架简介的框架设计，逐步分析内部模块功能设计。

姿态更新任务

描述：主要用于计算更新当前机体姿态欧拉角。

 ├──> 初始化
 │   ├──> [x]硬件初始化
 │   └──> [x]业务初始化
 ├──> 任务
 │   ├──> [x]实时任务
 │   ├──> [x]事件任务
 │   └──> [v]时间任务[TASK_ATTITUDE] = DEFINE_TASK("ATTITUDE", NULL, NULL, imuUpdateAttitude, TASK_PERIOD_HZ(100), TASK_PRIORITY_MEDIUM),
 ├──> 驱动
 │   ├──> [x]查询
 │   └──> [x]中断
 └──> 接口
     ├──> void imuConfigure(uint16_t throttle_correction_angle, uint8_t throttle_correction_value)
     ├──> bool isUpright(void);
     └──> float getCosTiltAngle(void);

姿态欧拉角定义

\\src\\main\\flight\\imu.h
typedef union 
    int16_t raw[XYZ_AXIS_COUNT];
    struct 
        // absolute angle inclination in multiple of 0.1 degree    180 deg = 1800
        int16_t roll;
        int16_t pitch;
        int16_t yaw;
     values;
 attitudeEulerAngles_t;
#define EULER_INITIALIZE    0, 0, 0  

\\src\\main\\flight\\imu.c
// absolute angle inclination in multiple of 0.1 degree    180 deg = 1800
attitudeEulerAngles_t attitude = EULER_INITIALIZE;

主要函数分析

imuUpdateAttitude函数

imuUpdateAttitude
 ├──> <sensors(SENSOR_ACC) && acc.isAccelUpdatedAtLeastOnce>
 ├──> IMU_LOCK
 ├──> <SIMULATOR_BUILD><SIMULATOR_IMU_SYNC>
 │   ├──> <imuUpdated == false>
 │   │   ├──> IMU_UNLOCK
 │   │   └──> return
 │   └──> imuUpdated = false;
 ├──> imuCalculateEstimatedAttitude  //计算估计的姿态
 ├──> IMU_UNLOCK
 ├──> <throttleAngleValue && (FLIGHT_MODE(ANGLE_MODE) || FLIGHT_MODE(HORIZON_MODE)) && ARMING_FLAG(ARMED)> //自稳或者半自稳下，计算油门角度修正
 │   └──> throttleAngleCorrection = calculateThrottleAngleCorrection();
 ├──> mixerSetThrottleAngleCorrection(throttleAngleCorrection);
 └──> <!(sensors(SENSOR_ACC) && acc.isAccelUpdatedAtLeastOnce)>  // ACC数据从来没有更新过的情况下，只能默认设置零
     ├──> acc.accADC[X] = 0;
     ├──> acc.accADC[Y] = 0;
     ├──> acc.accADC[Z] = 0;
     └──> schedulerIgnoreTaskStateTime

注：ACC更新详见：BetaFlight模块设计之十一：Gyro&Acc任务分析。

imuCalculateEstimatedAttitude函数

imuCalculateEstimatedAttitude
 ├──> <sensors(SENSOR_MAG) && compassIsHealthy() && !gpsRescueDisableMag()>
 │   └──> useMag = true;
 ├──> <!useMag && sensors(SENSOR_GPS) && STATE(GPS_FIX) && gpsSol.numSat >= 5 && gpsSol.groundSpeed >= GPS_COG_MIN_GROUNDSPEED>
 │   ├──> courseOverGround = DECIDEGREES_TO_RADIANS(gpsSol.groundCourse);
 │   ├──> useCOG = true;
 │   └──> <useCOG && shouldInitializeGPSHeading()>
 │       ├──> imuComputeQuaternionFromRPY(&qP, attitude.values.roll, attitude.values.pitch, gpsSol.groundCourse);
 │       └──> useCOG = false; // Don't use the COG when we first reinitialize.  Next time around though, yes.
 ├──> gyroGetAccumulationAverage(gyroAverage);
 ├──> <accGetAccumulationAverage(accAverage)>
 │   └──> useAcc = imuIsAccelerometerHealthy(accAverage);
 ├──> imuMahonyAHRSupdate
 └──> imuUpdateEulerAngles

注1：course over ground定义
注2：imuMahonyAHRSupdate有算法来计算姿态，后续有时间再做仔细研读。