搜索与分析引擎——Elasticsearch知识点总结

首先，Elasticsearch官网有完成的知识点讲解，读者可以自行深入学习——《Elasticsearch: 权威指南》。下面是我总结的部分知识点。

一、近实时搜索

• 官方文档：《近实时搜索》、《持久化变更》
• 概述：用户写入一条数据后，该数据不会被立即搜索到，但默认不超过1s会被搜索到，所以称为近实时搜索。
• 原理：

1. 一个文档被索引（用户新增数据）之后，会首先进入“内存缓冲区”，并同时追加到事务日志里（此时不能被搜索）；
2. 默认每隔1s进行refresh操作：文档被写入到一个新的段，此时从“内存缓冲区”写入到“文件系统缓存”，“文件系统缓存”里的文档可以被搜索到，“内存缓冲区”的文档被清空，但事务日志不变（所以是“近实时搜索”）；
3. 当事务日志太大或默认每隔30min，进行一次完整的flush：所有数据写入到磁盘里，并删除事务日志。
   这是索引一个文档的普通流程。为了避免意外宕机导致未写入磁盘的数据丢失，新增如下步骤：
4. 事务日志里存了所有未被写入磁盘里的操作记录，默认每隔5s，将事务日志内容刷新到磁盘；
5. 重启服务时，Elasticsearch会重放事务日志里的操作，这就可以避免意外宕机导致未写入磁盘的数据丢失。
   用户可以修改上述提到的所有默认时间

二、路由一个文档到分片

• 官方文档：《路由一个文档到分片》、《新建、索引和删除文档》
• 概述：不同的文档会被路由到不同的分片，每组分片包含主分片和副本分片，它们的数据完全一样。
• 原理：

1. 协调节点收到索引一个文档的请求时，默认根据文档的_id生成hash数，然后除以主分片的数量的余数就是具体的分片；
2. 协调节点将请求转发到对应的主分片上；
3. 主分片上执行成功后，将请求并行转发副本分片上；
4. 副本分片执行完成后，主分片向协调节点报告成功；
5. 协调节点返回成功消息给客户端。

三、搜索一个文档

• 官方文档：《取回一个文档》
• 概述：向任意一个节点发起请求，搜索任意一个文档。
• 原理：

1. 客户端向任意节点（协调节点）发送获取请求；
2. 节点根据文档的 _id来确定文档属于分片 A 。轮询访问主分片和副本分片中的其中一个分片A1；
3. 分片A1将文档返回给协调节点，然后将文档返回给客户端。

四、分布式搜索

• 官方文档：《执行分布式搜索》
• 概述：Es从分布式集群中整合查询结果，返回给客户端。
• 原理

1. 协调节点将搜索请求转发到各个分片的某个主分片或副本分片；
2. 每个分片在本地执行查询并添加结果到大小为 from + size 的本地有序优先队列中；
3. 每个分片返回各自优先队列中所有文档的 ID 和任何排序需要用到的值给协调节点；
4. 协调节点合并搜索结果，然后进行全局排序，得到最后的有序文档_id队列；
5. 协调节点向相关的分片提交GET请求；
6. 每个分片加载并丰富文档（如果有需要的话），接着返回文档给协调节点；
7. 一旦协调节点接收到所有的结果文档，它就组装这些结果为单个响应返回给客户端。

五、倒排索引

• 官方文档：《倒排索引》
• 概述：文档本身的索引是：文档_id-->文档内容，倒排索引是：所有文档内容里的各个关键字（经过部分文字分析算法）-->文档_id，例如：
  文档1：The quick brown fox jumped over the lazy dog
  文档2：Quick brown foxes leap over lazy dogs in summer