2021年大数据ELK：Elasticsearch架构原理
Posted Lansonli
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了2021年大数据ELK：Elasticsearch架构原理相关的知识，希望对你有一定的参考价值。
全网最详细的大数据ELK文章系列，强烈建议收藏加关注！
新文章都已经列出历史文章目录，帮助大家回顾前面的知识重点。
目录
Elasticsearch架构原理
一、Elasticsearch的节点类型
在Elasticsearch有两类节点，一类是Master，一类是DataNode。
1、Master节点
在Elasticsearch启动时，会选举出来一个Master节点。当某个节点启动后，然后使用Zen Discovery机制找到集群中的其他节点，并建立连接。
discovery.seed_hosts: ["node1", "node2", "node3"]
并从候选主节点中选举出一个主节点。
cluster.initial_master_nodes: ["node1", "node2"]
Master节点主要负责：
- 管理索引（创建索引、删除索引）、分配分片
- 维护元数据
- 管理集群节点状态
- 不负责数据写入和查询，比较轻量级
一个Elasticsearch集群中，只有一个Master节点。在生产环境中，内存可以相对小一点，但机器要稳定。
2、DataNode节点
在Elasticsearch集群中，会有N个DataNode节点。DataNode节点主要负责：
- 数据写入、数据检索，大部分Elasticsearch的压力都在DataNode节点上
- 在生产环境中，内存最好配置大一些
二、分片和副本机制
1、分片（Shard）
- Elasticsearch是一个分布式的搜索引擎，索引的数据也是分成若干部分，分布在不同的服务器节点中
- 分布在不同服务器节点中的索引数据，就是分片（Shard）。Elasticsearch会自动管理分片，如果发现分片分布不均衡，就会自动迁移
- 一个索引（index）由多个shard（分片）组成，而分片是分布在不同的服务器上的
2、副本
为了对Elasticsearch的分片进行容错，假设某个节点不可用，会导致整个索引库都将不可用。所以，需要对分片进行副本容错。每一个分片都会有对应的副本。在Elasticsearch中，默认创建的索引为1个分片、每个分片有1个主分片和1个副本分片。
- 每个分片都会有一个Primary Shard（主分片），也会有若干个Replica Shard（副本分片）
- Primary Shard和Replica Shard不在同一个节点上
3、指定分片、副本数量
// 创建指定分片数量、副本数量的索引
PUT /job_idx_shard
"mappings":
"properties":
"id": "type": "long", "store": true ,
"area": "type": "keyword", "store": true ,
"exp": "type": "keyword", "store": true ,
"edu": "type": "keyword", "store": true ,
"salary": "type": "keyword", "store": true ,
"job_type": "type": "keyword", "store": true ,
"cmp": "type": "keyword", "store": true ,
"pv": "type": "keyword", "store": true ,
"title": "type": "text", "store": true ,
"jd": "type": "text"
,
"settings":
"number_of_shards": 3,
"number_of_replicas": 2
// 查看分片、主分片、副本分片
GET /_cat/indices?v
三、Elasticsearch重要工作流程
1、Elasticsearch文档写入原理
1、选择任意一个DataNode发送请求，例如：node2。此时，node2就成为一个 coordinating node（协调节点）
2、计算得到文档要写入的分片
- `shard = hash(routing) % number_of_primary_shards`
- routing 是一个可变值，默认是文档的 _id
3、coordinating node会进行路由，将请求转发给对应的primary shard所在的DataNode（假设primary shard在node1、replica shard在node2）
4、node1节点上的Primary Shard处理请求，写入数据到索引库中，并将数据同步到 Replica shard
5、Primary Shard和Replica Shard都保存好了文档，返回client
2、Elasticsearch检索原理
- client发起查询请求，某个DataNode接收到请求，该DataNode就会成为协调节点（Coordinating Node）
- 协调节点（Coordinating Node）将查询请求广播到每一个数据节点，这些数据节点的分片会处理该查询请求。协调节点会轮询所有的分片来自动进行负载均衡
- 每个分片进行数据查询，将符合条件的数据放在一个优先队列中，并将这些数据的文档ID、节点信息、分片信息返回给协调节点
- 协调节点将所有的结果进行汇总，并进行全局排序
- 协调节点向包含这些文档ID的分片发送get请求，对应的分片将文档数据返回给协调节点，最后协调节点将数据返回给客户端
四、Elasticsearch准实时索引实现
1、溢写到文件系统缓存
- 当数据写入到ES分片时，会首先写入到内存中，然后通过内存的buffer生成一个segment，并刷到文件系统缓存中，数据可以被检索（注意不是直接刷到磁盘）
- ES中默认1秒，refresh一次
2、写translog保障容错
- 在写入到内存中的同时，也会记录translog日志，在refresh期间出现异常，会根据translog来进行数据恢复
- 等到文件系统缓存中的segment数据都刷到磁盘中，清空translog文件
3、flush到磁盘
- ES默认每隔30分钟会将文件系统缓存的数据刷入到磁盘
4.、segment合并
- Segment太多时，ES定期会将多个segment合并成为大的segment，减少索引查询时IO开销，此阶段ES会真正的物理删除（之前执行过的delete的数据）
- 📢博客主页：https://lansonli.blog.csdn.net
- 📢欢迎点赞 👍 收藏 ⭐留言 📝 如有错误敬请指正！
- 📢本文由 Lansonli 原创，首发于 CSDN博客🙉
- 📢大数据系列文章会每天更新，停下休息的时候不要忘了别人还在奔跑，希望大家抓紧时间学习，全力奔赴更美好的生活✨
以上是关于2021年大数据ELK：Elasticsearch架构原理的主要内容，如果未能解决你的问题，请参考以下文章