图解ElasticSearch内部模型及数据结构

绝地灬酷狼 2022-02-27 03:04 268阅读 0赞

### 0. 前言 ###

本文我们将会先自上而下，后自底向上地介绍ElasticSearch的底层工作原理，试图回答以下问题：

*  为什么我的搜索*foo-bar*无法匹配*foo-bar*？
 *  为什么增加更多的文件会压缩索引（Index）？
 *  为什么ElasticSearch占用很多内存？

> ElasticSearch版本：ElasticSearch-2.2.0

### 1. 图解ElasticSearch ###

#### 1.1 云上的集群 ####

![在这里插入图片描述][dca736ba3a6febb821aa408dd48a2690]

#### 1.2 集群里的盒子 ####

云里面的每个白色正方形的盒子代表一个节点——Node。

![在这里插入图片描述][244f1c7fb74d3f84e30729bed968b684]

#### 1.3 节点之间 ####

在一个或者多个节点之间，多个绿色小方块组合在一起形成一个ElasticSearch的索引。  
![在这里插入图片描述][96a51f3766dfbfa1e16a7b13e384de52]

#### 1.4 索引里的小方块 ####

在一个索引下，分布在多个节点里的绿色小方块称为分片——Shard。  
![在这里插入图片描述][85f316d06019e61cbc2b16a9fa20032f]

Shard＝Lucene Index

一个ElasticSearch的Shard本质上是一个Lucene Index。  
![在这里插入图片描述][ef4e107ec8647bd0d340dbb043f3c71a]  
Lucene是一个Full Text搜索库（也有很多其他形式的搜索库），ElasticSearch是建立在Lucene之上的。接下来的故事要说的大部分内容实际上是ElasticSearch如何基于Lucene工作的。

### 2. 图解Lucene ###

#### 2.1 Mini索引——segment ####

在Lucene里面有很多小的segment，我们可以把它们看成Lucene内部的mini-index。  
![在这里插入图片描述][7163abc67132fcb4dd1109a37df536dd]

#### 2.2 Segment内部 ####

有着许多数据结构

1.  Inverted Index
2.  Stored Fields
3.  Document Values
4.  Cache

![在这里插入图片描述][531519b157c0fe85631ffa5a76bf3ff2]

#### 2.3 最最重要的Inverted Index![在这里插入图片描述][3d80151ffb868b633d8d96eaf9335b59] ####

**Inverted Index主要包括两部分：**

1.  一个有序的数据字典Dictionary（包括单词Term和它出现的频率）。
2.  与单词Term对应的Postings（即存在这个单词的文件）。

当我们搜索的时候，首先将搜索的内容分解，然后在字典里找到对应Term，从而查找到与搜索相关的文件内容。  
![在这里插入图片描述][f0b6dc01edc7640050a4816577cbcd3c]

**查询“the fury”**：  
![在这里插入图片描述][7e529b408a6260b7a97d611bdff7db36]

#### 2.5 自动补全（AutoCompletion-Prefix） ####

如果想要查找以字母“c”开头的字母，可以简单的通过二分查找（Binary Search）在Inverted Index表中找到例如“choice”、“coming”这样的词（Term）。  
![在这里插入图片描述][8be2115625a0e7eb2372177e8360c63a]

#### 2.5 昂贵的查找 ####

如果想要查找所有包含“our”字母的单词，那么系统会扫描整个Inverted Index，这是非常昂贵的。  
![在这里插入图片描述][5fcb91927fd8250b198a7456e7b1a1d4]  
在此种情况下，如果想要做优化，那么我们面对的问题是如何生成合适的Term。

#### 2.6 问题的转化 ####

![在这里插入图片描述][7c6d2c839438bc2c381f80de7f167d3c]  
对于以上诸如此类的问题，我们可能会有几种可行的解决方案：

*  `*suffix -> xiffus*`：如果我们想以后缀作为搜索条件，可以为Term做反向处理。
 *  `(60.6384, 6.5017) -> u4u8gyykk`：对于GEO位置信息，可以将它转换为GEO Hash。
 *  `123 -> {1-hundreds, 12-tens, 123}`：对于简单的数字，可以为它生成多重形式的Term。

#### 2.7 解决拼写错误 ####

一个Python库：为单词生成了一个包含错误拼写信息的树形状态机，解决拼写错误的问题。  
![在这里插入图片描述][f100cb4c8d2c03400b3832bfd9138af5]

#### 2.8 Stored Field字段查找 ####

当我们想要查找包含某个特定标题内容的文件时，Inverted Index就不能很好的解决这个问题，所以Lucene提供了另外一种数据结构Stored Fields来解决这个问题。本质上，Stored Fields是一个简单的键值对key-value。默认情况下，ElasticSearch会存储整个文件的JSON source。  
![在这里插入图片描述][24ea699fa0154baebe4eb65675b457f4]

#### 2.9 Document Values为了排序，聚合 ####

即使这样，我们发现以上结构仍然无法解决诸如：排序、聚合、facet，因为我们可能会要读取大量不需要的信息。

所以，另一种数据结构解决了此种问题：Document Values。这种结构本质上就是一个列式的存储，它高度优化了具有相同类型的数据的存储结构。  
![在这里插入图片描述][454f5fc95b3064f949a5ee00777e640d]  
为了提高效率，ElasticSearch可以将索引下某一个Document Value全部读取到内存中进行操作，这大大提升访问速度，但是也同时会消耗掉大量的内存空间。

总之，这些数据结构Inverted Index、Stored Fields、Document Values及其缓存，都在segment内部。

### 3. 搜索发生时 ###

搜索时，Lucene会搜索所有的segment然后将每个segment的搜索结果返回，最后合并呈现给客户。

Lucene的一些特性使得这个过程非常重要：

*  Segments是不可变的（immutable）。
 *  Delete？当删除发生时，Lucene做的只是将其标志位置删除，但是文件还是会在它原来的地方，不会发生改变。
 *  Update? 所以对于更新来说，本质上它做的工作是：先删除，然后重新索引（Re-index）。
 *  随处可见的压缩：Lucene非常擅长压缩数据，基本上所有教科书上的压缩方式，都能在Lucene中找到。
 *  缓存所有的所有：Lucene也会将所有的信息做缓存，这大大提高了它的查询效率。

### 4. 缓存的故事 ###

当ElasticSearch索引一个文件的时候，会为文件建立相应的缓存，并且会定期（每秒）刷新这些数据，然后这些文件就可以被搜索到。  
![在这里插入图片描述][90c6463be37ee5fb5d12162ff3c63c10]  
随着时间的增加，我们会有很多segments：  
![在这里插入图片描述][1e1d4053cd60d3bddef5bf1f99c79f51]  
所以ElasticSearch会将这些segment合并，在这个过程中，segment会最终被删除掉：  
![在这里插入图片描述][a06eb395066b34d926bad9853aff7ba1]  
这就是为什么增加文件可能会使索引所占空间变小，它会引起merge，从而可能会有更多的压缩。

**例如：**  
有两个segment将会merge：  
![在这里插入图片描述][bdddcaecede53c536cd782468fa412b3]  
这两个segment最终会被删除，然后合并成一个新的segment：  
![在这里插入图片描述][dce0f702057eb0904e5adf0c765800fd]  
这时这个新的segment在缓存中处于cold状态，但是大多数segment仍然保持不变，处于warm状态。

以上场景经常在Lucene Index内部发生的。  
![在这里插入图片描述][2c620dfefb7ab7556c3cee53f96e8ffe]

### 5. 在Shard中搜索 ###

ElasticSearch从Shard中搜索的过程与Lucene Segment中搜索的过程类似。  
![在这里插入图片描述][4617b994f8848dacd7b4f83f4bdec2b6]

与在Lucene Segment中搜索不同的是，Shard可能是分布在不同Node上的，所以在搜索与返回结果时，所有的信息都会通过网络传输。

需要注意的是：1次搜索查找2个Shard=2次分别搜索Shard。  
![在这里插入图片描述][e2b954ec6960502bdcc4a4e08f34c815]

**对于日志文件的处理**

当我们想搜索特定日期产生的日志时，通过根据时间戳对日志文件进行分块与索引，会极大提高搜索效率。  
当我们想要删除旧的数据时也非常方便，只需删除老的索引即可。  
![在这里插入图片描述][612dfdf8c364e65ffb0f8eadb3c30bcc]  
在上种情况下，每个Index有两个shards。

### 6. 如何Scale ###

Shard不会进行更进一步的拆分，但是Shard可能会被转移到不同节点上：  
![在这里插入图片描述][7018655556bc2eed45b1577747f57e5d]  
所以，如果当集群节点压力增长到一定的程度，我们可能会考虑增加新的节点，这就会要求我们对所有数据进行重新索引，这是我们不太希望看到的，所以我们需要在规划的时候就考虑清楚，如何去平衡足够多的节点与不足节点之间的关系。

**节点分配与Shard优化**

为更重要的数据索引节点，分配性能更好的机器。

确保每个Shard都有副本信息replica。  
![在这里插入图片描述][0b810fd748af8e24efe055da23b6c07a]  
**路由Routing**

每个节点，每个都存留一份路由表，所以当请求到任何一个节点时，ElasticSearch都有能力将请求转发到期望节点的Shard进一步处理。  
![在这里插入图片描述][edc9019a70b3cbafdcaed0082f9d006d]

**在真实搜索之前**

ElasticSearch会将Query转换成Lucene Query：  
![在这里插入图片描述][0a1a24525446cbaa2aab73cdd34cd618]  
然后在所有的segment中执行计算：  
![在这里插入图片描述][0fef8ce71e1a38d7b09d69ea8bfa1f0a]  
对于Filter条件本身也会有缓存：  
![在这里插入图片描述][cb0b4a7ea8b85f54ce80d1dc37313612]  
但Queries不会被缓存，所以如果相同的Query重复执行，应用程序自己需要做缓存：  
![在这里插入图片描述][3ed03ce817ea1996b12b903ec1320f2e]

所以，Filters可以在任何时候使用；Query只有在需要score的时候才使用。

**返回**  
搜索结束之后，结果会沿着下行的路径向上逐层返回。  
![在这里插入图片描述][dede235df7adb7fe5014cc99710ea9c0]  
![在这里插入图片描述][4f9b43eccd1ef9a6e0e9c94d2e4df30a]  
![在这里插入图片描述][5d83bc6cfdbaec9316888ee00783eebe]  
![在这里插入图片描述][710b9cced88adf525ac650f57e9e9c2b]  
![在这里插入图片描述][139f723bc23e9274fc93d3084323a149]

--------------------

##### 转自：[http://www.zhuanzhi.ai/document/4f97036243052fd5577c0ecf188b06dd][http_www.zhuanzhi.ai_document_4f97036243052fd5577c0ecf188b06dd] #####

[dca736ba3a6febb821aa408dd48a2690]: http://zhuanzhiimg.b0.upaiyun.com/images/wx/dca736ba3a6febb821aa408dd48a2690
[244f1c7fb74d3f84e30729bed968b684]: http://zhuanzhiimg.b0.upaiyun.com/images/wx/244f1c7fb74d3f84e30729bed968b684
[96a51f3766dfbfa1e16a7b13e384de52]: http://zhuanzhiimg.b0.upaiyun.com/images/wx/96a51f3766dfbfa1e16a7b13e384de52
[85f316d06019e61cbc2b16a9fa20032f]: http://zhuanzhiimg.b0.upaiyun.com/images/wx/85f316d06019e61cbc2b16a9fa20032f
[ef4e107ec8647bd0d340dbb043f3c71a]: http://zhuanzhiimg.b0.upaiyun.com/images/wx/ef4e107ec8647bd0d340dbb043f3c71a
[7163abc67132fcb4dd1109a37df536dd]: http://zhuanzhiimg.b0.upaiyun.com/images/wx/7163abc67132fcb4dd1109a37df536dd
[531519b157c0fe85631ffa5a76bf3ff2]: http://zhuanzhiimg.b0.upaiyun.com/images/wx/531519b157c0fe85631ffa5a76bf3ff2
[3d80151ffb868b633d8d96eaf9335b59]: http://zhuanzhiimg.b0.upaiyun.com/images/wx/3d80151ffb868b633d8d96eaf9335b59
[f0b6dc01edc7640050a4816577cbcd3c]: http://zhuanzhiimg.b0.upaiyun.com/images/wx/f0b6dc01edc7640050a4816577cbcd3c
[7e529b408a6260b7a97d611bdff7db36]: http://zhuanzhiimg.b0.upaiyun.com/images/wx/7e529b408a6260b7a97d611bdff7db36
[8be2115625a0e7eb2372177e8360c63a]: http://zhuanzhiimg.b0.upaiyun.com/images/wx/8be2115625a0e7eb2372177e8360c63a
[5fcb91927fd8250b198a7456e7b1a1d4]: http://zhuanzhiimg.b0.upaiyun.com/images/wx/5fcb91927fd8250b198a7456e7b1a1d4
[7c6d2c839438bc2c381f80de7f167d3c]: http://zhuanzhiimg.b0.upaiyun.com/images/wx/7c6d2c839438bc2c381f80de7f167d3c
[f100cb4c8d2c03400b3832bfd9138af5]: http://zhuanzhiimg.b0.upaiyun.com/images/wx/f100cb4c8d2c03400b3832bfd9138af5
[24ea699fa0154baebe4eb65675b457f4]: http://zhuanzhiimg.b0.upaiyun.com/images/wx/24ea699fa0154baebe4eb65675b457f4
[454f5fc95b3064f949a5ee00777e640d]: http://zhuanzhiimg.b0.upaiyun.com/images/wx/454f5fc95b3064f949a5ee00777e640d
[90c6463be37ee5fb5d12162ff3c63c10]: http://zhuanzhiimg.b0.upaiyun.com/images/wx/90c6463be37ee5fb5d12162ff3c63c10
[1e1d4053cd60d3bddef5bf1f99c79f51]: http://zhuanzhiimg.b0.upaiyun.com/images/wx/1e1d4053cd60d3bddef5bf1f99c79f51
[a06eb395066b34d926bad9853aff7ba1]: http://zhuanzhiimg.b0.upaiyun.com/images/wx/a06eb395066b34d926bad9853aff7ba1
[bdddcaecede53c536cd782468fa412b3]: http://zhuanzhiimg.b0.upaiyun.com/images/wx/bdddcaecede53c536cd782468fa412b3
[dce0f702057eb0904e5adf0c765800fd]: http://zhuanzhiimg.b0.upaiyun.com/images/wx/dce0f702057eb0904e5adf0c765800fd
[2c620dfefb7ab7556c3cee53f96e8ffe]: http://zhuanzhiimg.b0.upaiyun.com/images/wx/2c620dfefb7ab7556c3cee53f96e8ffe
[4617b994f8848dacd7b4f83f4bdec2b6]: http://zhuanzhiimg.b0.upaiyun.com/images/wx/4617b994f8848dacd7b4f83f4bdec2b6
[e2b954ec6960502bdcc4a4e08f34c815]: http://zhuanzhiimg.b0.upaiyun.com/images/wx/e2b954ec6960502bdcc4a4e08f34c815
[612dfdf8c364e65ffb0f8eadb3c30bcc]: http://zhuanzhiimg.b0.upaiyun.com/images/wx/612dfdf8c364e65ffb0f8eadb3c30bcc
[7018655556bc2eed45b1577747f57e5d]: http://zhuanzhiimg.b0.upaiyun.com/images/wx/7018655556bc2eed45b1577747f57e5d
[0b810fd748af8e24efe055da23b6c07a]: http://zhuanzhiimg.b0.upaiyun.com/images/wx/0b810fd748af8e24efe055da23b6c07a
[edc9019a70b3cbafdcaed0082f9d006d]: http://zhuanzhiimg.b0.upaiyun.com/images/wx/edc9019a70b3cbafdcaed0082f9d006d
[0a1a24525446cbaa2aab73cdd34cd618]: http://zhuanzhiimg.b0.upaiyun.com/images/wx/0a1a24525446cbaa2aab73cdd34cd618
[0fef8ce71e1a38d7b09d69ea8bfa1f0a]: http://zhuanzhiimg.b0.upaiyun.com/images/wx/0fef8ce71e1a38d7b09d69ea8bfa1f0a
[cb0b4a7ea8b85f54ce80d1dc37313612]: http://zhuanzhiimg.b0.upaiyun.com/images/wx/cb0b4a7ea8b85f54ce80d1dc37313612
[3ed03ce817ea1996b12b903ec1320f2e]: http://zhuanzhiimg.b0.upaiyun.com/images/wx/3ed03ce817ea1996b12b903ec1320f2e
[dede235df7adb7fe5014cc99710ea9c0]: http://zhuanzhiimg.b0.upaiyun.com/images/wx/dede235df7adb7fe5014cc99710ea9c0
[4f9b43eccd1ef9a6e0e9c94d2e4df30a]: http://zhuanzhiimg.b0.upaiyun.com/images/wx/4f9b43eccd1ef9a6e0e9c94d2e4df30a
[5d83bc6cfdbaec9316888ee00783eebe]: http://zhuanzhiimg.b0.upaiyun.com/images/wx/5d83bc6cfdbaec9316888ee00783eebe
[710b9cced88adf525ac650f57e9e9c2b]: http://zhuanzhiimg.b0.upaiyun.com/images/wx/710b9cced88adf525ac650f57e9e9c2b
[139f723bc23e9274fc93d3084323a149]: http://zhuanzhiimg.b0.upaiyun.com/images/wx/139f723bc23e9274fc93d3084323a149
[http_www.zhuanzhi.ai_document_4f97036243052fd5577c0ecf188b06dd]: http://www.zhuanzhi.ai/document/4f97036243052fd5577c0ecf188b06dd