1. ElasticSearch节点类型
1.1 master node
职责：
- 处理创建，删除索引等请求 / 决定分片⽚被分配到哪个节点 / 负责索引的创建与删除；
- 维护并且更新 Cluster State，且只能由 master node 维护，否则会造成集群状态不正常。
最佳实践：
- master node非常重要，部署时需要解决单点问题；
- 一个集群中设置多个master node，每个node只承担master的单一角色；
1.2 data node
职责：
- 保存分片数据。在数据扩展上起到了至关重要的作用（由 Master Node 决定如何把分片分发到数据节点上）；
最佳实践：
- 节点启动后，默认就是数据节点。可以设置
node.data: false禁止； - 通过增加数据节点，可以解决数据水平扩展和解决数据单点问题；
1.3 Master Eligible Nodes & 选主流程
- ⼀个集群，⽀持配置多个 Master Eligible 节点。这些节点可以在必要时(如 Master 节点出现故障，网络故障时)参与选主流程，成为 Master 节点；
- 节点启动后，默认就是⼀个 Master eligible 节点，设置
node.master: false禁止； - 当集群内第⼀个 Master eligible 节点启动时候，它会将自己选举成 Master 节点；
1.4 Coordinating Node
- 处理请求的节点，负责路由请求到正确的节点，如创建索引的请求需要路由到 Master 节点；
- 所有节点默认都是 Coordinating Node；
- 通过将其他类型（data node/master node/master eligible node）设置成 False，使其成为专门负责的协调的节点；
1.5 节点类型总结
| 节点类型 | 配置参数 | 默认值 |
|---|---|---|
| master eligible | node.master |
true |
| data | node.data |
true |
| ingest | node.ingest |
true |
| coordinating only | 无 | 设置上面三个参数全部为false |
| machine learning | node.ml | true(需要enable x-pack) |
2. ElasticSearch写入流程
Elasticsearch 在创建，更新甚至删除的时候会更改 document version
2.1 Elasticsearch 如何做到高可用
- 数据首先写入到
Index buffer（内存） 和Transaction log（磁盘） 中，即便内存数据丢失，也可读取磁盘中的Transaction log； - 默认 1s 一次的
refresh操作将Index buffer中的数据写入segments（内存），此时数据可查询； - 默认30分钟执行一次的
flush操作，将segments写入磁盘，同时清空Transaction log。若Transaction log满（默认512M），也会执行此操作； -
merge操作，定期合并segment；
Elasticsearch 中的每个索引操作首先使用路由解析到一个副本组，通常基于文档ID。一旦确定了副本组，操作将在内部转发到组的当前主分片。主分片负责验证数据格式并将其转发到其他副本。由于副本可以由主分片异步复制，所以不需要主副本复制到所有副本。相反，Elasticsearch 维护一个应该接收操作的副本分片列表。这个列表称为同步副本，由主节点维护。顾名思义，这些是一组保证处理了所有已向用户确认的索引操作和删除操作的分片副本。主分片负责维护，因此必须将所有操作复制到这个集合中的每个副本分片
主分片遵循以下基本流程：
- 验证传入操作并在结构无效时拒绝它(例如:插入时字段格式与 mapping 不匹配)；
- 在本地执行操作，即索引或删除相关文档。将验证字段的内容，并在需要时拒绝(例如:关键字值太长，无法在Lucene中进行索引)；
- 将操作转发到当前同步复制集中的每个副本分片。如果有多个副本分片，则并行执行；
- 一旦所有副本分片都成功地执行了操作并响应了主分片，主副本就会向客户端确认请求成功完成；
2.2 Lucene Index
- 在 Lucene 中，单个倒排索引⽂件被称为Segment。Segment 是⾃包含的，不可变更的，多个 Segments 汇总在⼀起，称为 Lucene 的 Index，其对应的就是 ES 中的 Shard（分片），另外使用一个 commit 文件，记录索引内所有的 segment；
- 当有新文档写⼊时，会生成新 Segment，查询时会同时查询所有 Segments，并且对结果汇总。Lucene 中有⼀个⽂件，用来记录所有 Segments 信息，叫做 Commit Point；
- 删除的⽂档信息，保存在“.del”文件中；
2.3 什么是 Refresh
-
数据首先写入到 Index buffer（内存）中，此时数据不可被查询到；
-
将 Index buffer 写入 Segment 的过程叫Refresh。Refresh 不执行 fsync 操作，此操作不会将数据写入磁盘；
-
Refresh 频率：默认 1 秒发生⼀次，可通过
index.refresh_interval配置。Refresh 后，数据就可以被搜索到了。这也是为什么 Elasticsearch 被称为近实时搜索；
2.4 什么是 Transaction log
- Segment 写⼊磁盘的过程相对耗时，借助⽂件系统缓存，Refresh 时，先将 Segment 写入缓存以开放查询；
- 为了保证数据不会丢失。所以在 Index 文档时，同时写 Transaction Log，高版本开始，Transaction Log 默认落盘。每个分片有⼀个 Transaction Log；
- 在 ES Refresh 时，Index Buffer 被清空，Transaction log 不会清空；
2.5 什么是 Flush
ES Flush & Lucene Commit
- 实际影响：调用 Refresh，Index Buffer 清空，调⽤ fsync，将缓存中的 Segments写⼊磁盘，清空（删除）Transaction Log；
- 调用时机：默认 30 分钟调用⼀次，或者 Transaction Log 满 （默认 512 MB）；
2.6 什么是 Merge
- Segment 很多，需要被定期被合并：减少 Segments / 删除已经删除的文档
- ES 和 Lucene 会自动进行 Merge 操作：
POST my_index/_forcemerge
3. Elasticsearch 读流程
Elasticsearch 使用主备模型。主备份模型的一个优点是，主分片和其所有副本分片存有相同的数据。因此，一个同步副本就足以满足读请求。
Elasticsearch 中的读取可以直接使用 document ID，也可以是非常复杂的搜索，包含复杂的聚合，这个操作会占用大量CPU资源。
当节点接收到读请求时，该节点负责将其转发给包含相关分片的节点、整合所有分片的返回值并响应客户端（类似于一个MapReduce）。我们将该节点称为请求的协调节点。基本流程如下：
- 将读请求解析到相关分片。注意，由于大多数搜索将被发送到一个或多个索引，因此它们通常需要从多个分片中读取，每个分片表示数据的不同子集；
- 在分片复制组中选择每个相关分片的活动副本。这可以是主分片，也可以是副本分片。默认情况下，Elasticsearch只是在副本分片之间进行循环；
- 将分片级别的读请求发送到所选副本；
- 整合结果并做出响应。注意，在get by ID查找的情况下，只有一个分片是相关的，可以跳过这一步；
网友评论