Elasticsearch Lucene 数据写入原理 | ES 核心篇

  • 时间:
  • 浏览:7
  • 来源:大发快三_快三新平台_大发快三新平台

前言

最近 TL 分享了下 《Elasticsearch基础收集》https://www.jianshu.com/p/e8226138485d ,蹭着这个其他。写个小文巩固下,本文主要讲 ES -> Lucene

的底层形态学 ,其他全部描述新数据写入 ES 和 Lucene 的流程和原理。这是基础理论知识,收集了一下,希望能对 Elasticsearch 感兴趣的同学有所帮助。

哪些地方是 Elasticsearch ?

Elasticsearch 是一有一一三个白基于 Apache Lucene(TM) 的开源搜索引擎。

那 Lucene 是哪些地方?

无论在开源还是专有领域,Lucene 须要被认为是迄今为止最先进、性能最好的、功能最全的搜索引擎库,并通过简单的 RESTful API 来隐藏 Lucene 的比较比较复杂,从而让全文搜索变得简单。

Elasticsearch 不仅仅是 Lucene 和全文搜索,我们我们我们儿还能原先去描述它:

  • 分布式的实时文件存储,每个字段都被索引并可被搜索
  • 分布式的实九时 析搜索引擎
  • 须要扩展到上百台服务器,处里 PB 级形态学 化或非形态学 化数据

就像不多业务系统是基于 Spring 实现一样,Elasticsearch 和 Lucene 的关系很简单:Elasticsearch 是基于 Lucene 实现的。ES 基于底层哪些地方地方包,其他进行了扩展,提供了更多的更充沛的查询语句,其他通过 RESTful API 须要更方便地与底层交互。类式 ES 还有 Solr 也是基于 Lucene 实现的。

在应用开发中,用 Elasticsearch 会很简单。其他其他你直接用 Lucene,会有极少量的集成工作。

其他,入门 ES 的同学,稍微了解下 Lucene 即可。其他往高级走,还是须要学习 Lucene 底层的原理。其他倒排索引、打分机制、全文检索原理、分词原理等等,哪些地方地方就有不需要过时的技术。

3.1 数据模型

如图

  • 一有一一三个白 ES Index (索引,比如商品搜索索引、订单搜索索引)集群下,有多个 Node (节点)组成。每个节点其他 ES 的实例。
  • 每个节点上会有多个 shard (分片), P1 P2 是主分片 R1 R2 是副本分片
  • 每个分片上对应着其他一有一一三个白 Lucene Index(底层索引文件)
  • Lucene Index 是一有一一三个白统称。由多个 Segment (段文件,其他倒排索引)组成。每个段文件存储着其他 Doc 文档。

3.2 Lucene Index

lucene 中,单个倒排索引文件称为 segment。其带有一有一一三个白文件,记录了所有 segments 的信息,称为 commit point:

  • 文档 create 新写入时,会生成新的 segment。同样会记录到 commit point 后面
  • 文档查询,会查询所有的 segments
  • 当一有一一三个白段位于文档被删除,会维护该信息在 .liv 文件后面

3.3 新文档写入流程

新文档创建其他更新时,进行如下流程:

更新不需要修改原先的 segment,更新和创建操作后会生成新的一有一一三个白 segment。数据哪里来呢?先会位于内存的 bugger 中,其他持久化到 segment 。

数据持久化步骤如下:write -> refresh -> flush -> merge

3.3.1 write 过程

一有一一三个白新文档过来,会存储在 in-memory buffer 内存缓存区中,顺便会记录 Translog。

这以后数据还没到 segment ,是搜非要这个新文档的。数据非要被 refresh 后,才须要被搜索到。好难 讲下 refresh 过程

3.3.2 refresh 过程

refresh 默认 1 秒钟,执行一次上图流程。ES 是支持修改这个值的,通过 index.refresh_interval 设置 refresh (冲刷)间隔时间。refresh 流程大致如下:

  • in-memory buffer 中的文档写入到新的 segment 中,但 segment 是存储在文件系统的缓存中。此时文档须要被搜索到
  • 最后清空 in-memory buffer。注意: Translog 好难 被清空,为了将 segment 数据写到磁盘

文档经过 refresh 后, segment 暂时写到文件系统缓存,原先处里了性能 IO 操作,又须要使文档搜索到。refresh 默认 1 秒执行一次,性能损耗不多。一般建议稍微延长这个 refresh 时间间隔,比如 5 s。其他,ES 着实 其他准实时,达非要真正的实时。

3.3.3 flush 过程

上个过程中 segment 在文件系统缓存中,会有意外故障文档丢失。好难 ,为了保证文档不需要丢失,须要将文档写入磁盘。好难 文档从文件缓存写入磁盘的过程其他 flush。写入次怕后,清空 translog。

translog 作用很大:

  • 保证文件缓存中的文档不丢失
  • 系统重启时,从 translog 中恢复
  • 新的 segment 收录到 commit point 中

具体须要看官方文档:https://www.elastic.co/guide/en/elasticsearch/reference/7.3/indices-flush.html

3.3.4 merge 过程

后面 多少步骤,可见 segment 会不多,好难 搜索会好难 慢?为什处里呢?

通过 merge 过程处里:

  • 其他各个小段文件,合并成一有一一三个白大段文件。段合并过程
  • 段合并始于,旧的小段文件会被删除
  • .liv 文件维护的删除文档,会通过这个过程进行清除

如这个图,ES 写入原理好难,记住关键点即可。

write -> refresh -> flush

  • write:文档数据到内存缓存,并存到 translog
  • refresh:内存缓存中的文档数据,到文件缓存中的 segment 。此时须要被搜到
  • flush 是缓存中的 segment 文档数据写入到磁盘

写入的原理我沒有乎 们,考虑的点不多:性能、数据不丢失等等

(完)

参考资料:

Java微服务资料,加我微w信x:bysocket01 (加的人,一般很帅)

  • 《深入理解 Elasticsearch》
  • https://lucene.apache.org/core/8_2_0/core/org/apache/lucene/codecs/lucene1000/package-summary.html#package.description
  • https://www.jianshu.com/p/e8226138485d