ES學習第一篇

一、ES的產生

1.1 大批量數據如何檢索

問題：當系統數據量上了10億條的時候，我們通常會從以下角度去考慮問題：

1. 用什麼數據庫好？(mysql、oracle、mongodb、hbase…)
2. 如何解決單點故障；(zk、mq)
3. 如何保證數據安全性；(熱備、冷備)
4. 如何解決檢索難題；(數據庫代理中間件：mysql-proxy、Cobar、MaxScale等;)
5. 如何解決統計分析問題；(離線、近實時)

1.2 傳統數據庫是如何解決的？

對於關係型數據，我們通常採用以下或類似架構去解決查詢瓶頸和寫入瓶頸：

解決要點：

1. 通過主從備份解決數據安全性問題；
2. 通過數據庫代理中間件心跳監測，解決單點故障問題；
3. 通過代理中間件將查詢語句分發到各個slave節點進行查詢，並彙總結果

1.3 非關係型數據庫是如何解決的？

對於Nosql數據庫，以mongodb爲例，其它原理類似：

解決要點：

1. 通過副本備份保證數據安全性；
2. 通過節點競選機制解決單點問題；
3. 先從配置庫檢索分片信息，然後將請求分發到各個節點，最後由路由節點合併彙總結果

1.4 如果把數據都放到內存中會怎樣？

衆所周知，內存運算速度快，數據都放內存中，效率會大大提升。但很明顯，不現實：

當我們的數據達到PB級別時，按照每個節點96G內存計算，在內存完全裝滿的數據情況下，我們需要的機器是：1PB=1024T=1048576G
節點數=1048576/96=10922個
實際上，考慮到數據備份，節點數往往在2.5萬臺左右。成本巨大決定了其不現實！

爲解決以上問題，從源頭着手分析，通常會從以下方式來尋找方法：

1. 存儲數據時按有序存儲；
2. 將數據和索引分離；
3. 壓縮數據；

這就引出了Elasticsearch。

二、ES基礎

2.1 ES定義

ES=elaticsearch簡寫， Elasticsearch是一個開源的高擴展的分佈式全文檢索引擎，它可以近乎實時的存儲、檢索數據；本身擴展性很好，可以擴展到上百臺服務器，處理PB級別的數據。

Elasticsearch也使用Java開發並使用Lucene作爲其核心來實現所有索引和搜索的功能，但是它的目的是通過簡單的RESTful API來隱藏Lucene的複雜性，從而讓全文搜索變得簡單。

2.2 Lucene與ES關係

• Lucene只是一個庫。想要使用它，你必須使用Java來作爲開發語言並將其直接集成到你的應用中，更糟糕的是，Lucene非常複雜，你需要深入瞭解檢索的相關知識來理解它是如何工作的。
• Elasticsearch也使用Java開發並使用Lucene作爲其核心來實現所有索引和搜索的功能，但是它的目的是通過簡單的RESTful API來隱藏Lucene的複雜性，從而讓全文搜索變得簡單。

2.3 ES能解決什麼

1. 檢索相關數據；
2. 返回統計結果；
3. 速度要快。

2.4 工作原理

當ElasticSearch的節點啓動後，它會利用多播(或者單播，如果用戶更改了配置)尋找集羣中的其它節點，並與之建立連接。這個過程如下圖所示：

2.5 ES核心概念

1、Cluster：集羣

ES可以作爲一個獨立的單個搜索服務器。不過，爲了處理大型數據集，實現容錯和高可用性，ES可以運行在許多互相合作的服務器上。這些服務器的集合稱爲集羣。

2、Node：節點

形成集羣的每個服務器稱爲節點。

3、Shard：分片

當有大量的文檔時，由於內存的限制、磁盤處理能力不足、無法足夠快的響應客戶端的請求等，一個節點可能不夠。這種情況下，數據可以分爲較小的分片。每個分片放到不同的服務器上。
當你查詢的索引分佈在多個分片上時，ES會把查詢發送給每個相關的分片，並將結果組合在一起，而應用程序並不知道分片的存在。即：這個過程對用戶來說是透明的。

4、Replia：副本

爲提高查詢吞吐量或實現高可用性，可以使用分片副本。
副本是一個分片的精確複製，每個分片可以有零個或多個副本。ES中可以有許多相同的分片，其中之一被選擇更改索引操作，這種特殊的分片稱爲主分片。
當主分片丟失時，如：該分片所在的數據不可用時，集羣將副本提升爲新的主分片。

5、全文檢索

全文檢索就是對一篇文章進行索引，可以根據關鍵字搜索，類似於mysql裏的like語句。
全文索引就是把內容根據詞的意義進行分詞，然後分別創建索引，例如”你們的激情是因爲什麼事情來的” 可能會被分詞成：“你們“，”激情“，“什麼事情“，”來“ 等token，這樣當你搜索“你們” 或者 “激情” 都會把這句搜出來。

2.6 ES數據架構中主要概念（與MySQL對比）

1. 關係型數據庫中的數據庫（DataBase），等價於ES中的索引（Index）
2. 一個數據庫下面有N張表（Table），等價於1個索引Index下面有N多類型（Type），
3. 一個數據庫表（Table）下的數據由多行（ROW）多列（column，屬性）組成，等價於1個Type由多個文檔（Document）和多Field組成。
4. 在一個關係型數據庫裏面，schema定義了表、每個表的字段，還有表和字段之間的關係。 與之對應的，在ES中：Mapping定義索引下的Type的字段處理規則，即索引如何建立、索引類型、是否保存原始索引JSON文檔、是否壓縮原始JSON文檔、是否需要分詞處理、如何進行分詞處理等。
5. 在數據庫中的增insert、刪delete、改update、查search操作等價於ES中的增PUT/POST、刪Delete、改_update、查GET.

2.7 ELK是什麼

ELK=elasticsearch+Logstash+kibana

elasticsearch：後臺分佈式存儲以及全文檢索

logstash: 日誌加工、“搬運工”

kibana：數據可視化展示。

ELK架構爲數據分佈式存儲、可視化查詢和日誌解析創建了一個功能強大的管理鏈。 三者相互配合，取長補短，共同完成分佈式大數據處理工作。

三、ES特點和優勢

1. 分佈式實時文件存儲，可將每一個字段存入索引，使其可以被檢索到。
2. 實時分析的分佈式搜索引擎。
   分佈式：索引分拆成多個分片，每個分片可有零個或多個副本。集羣中的每個數據節點都可承載一個或多個分片，並且協調和處理各種操作；
   負載再平衡和路由在大多數情況下自動完成。
3. 可以擴展到上百臺服務器，處理PB級別的結構化或非結構化數據。也可以運行在單臺PC上（已測試）
4. 支持插件機制，分詞插件、同步插件、Hadoop插件、可視化插件等。

四、ES性能

4.1 性能結果展示

硬件配置：

CPU 16核 AuthenticAMD
內存 總量：32GB
硬盤 總量：500GB 非SSD

在上述硬件的基礎上測試性能如下：

平均索引吞吐量： 12307docs/s（每個文檔大小：40B/docs）
平均CPU使用率： 887.7%（16核，平均每核：55.48%）
構建索引大小： 3.30111 GB
總寫入量： 20.2123 GB
測試總耗時： 28m 54s.

五、爲什麼要用ES？

5.1 ES國內外使用優秀案例

1） 2013年初，GitHub拋棄了Solr，採取ElasticSearch 來做PB級的搜索。 “GitHub使用ElasticSearch搜索20TB的數據，包括13億文件和1300億行代碼”。

2）維基百科：啓動以elasticsearch爲基礎的核心搜索架構。
3）SoundCloud：“SoundCloud使用ElasticSearch爲1.8億用戶提供即時而精準的音樂搜索服務”。
4）百度：百度目前廣泛使用ElasticSearch作爲文本數據分析，採集百度所有服務器上的各類指標數據及用戶自定義數據，通過對各種數據進行多維分析展示，輔助定位分析實例異常或業務層面異常。目前覆蓋百度內部20多個業務線（包括casio、雲分析、網盟、預測、文庫、直達號、錢包、風控等），單集羣最大100臺機器，200個ES節點，每天導入30TB+數據。

5.2 我們的需求

實際項目開發實戰中，幾乎每個系統都會有一個搜索的功能，當搜索做到一定程度時，維護和擴展起來難度就會慢慢變大，所以很多公司都會把搜索單獨獨立出一個模塊，用ElasticSearch等來實現。

近年ElasticSearch發展迅猛，已經超越了其最初的純搜索引擎的角色，現在已經增加了數據聚合分析（aggregation）和可視化的特性，如果你有數百萬的文檔需要通過關鍵詞進行定位時，ElasticSearch肯定是最佳選擇。當然，如果你的文檔是JSON的，你也可以把ElasticSearch當作一種“NoSQL數據庫”， 應用ElasticSearch數據聚合分析（aggregation）的特性，針對數據進行多維度的分析。

【知乎：熱酷架構師潘飛】ES在某些場景下替代傳統DB
個人以爲Elasticsearch作爲內部存儲來說還是不錯的，效率也基本能夠滿足，在某些方面替代傳統DB也是可以的，前提是你的業務不對操作的事性務有特殊要求；而權限管理也不用那麼細，因爲ES的權限這塊還不完善。
由於我們對ES的應用場景僅僅是在於對某段時間內的數據聚合操作，沒有大量的單文檔請求（比如通過userid來找到一個用戶的文檔，類似於NoSQL的應用場景），所以能否替代NoSQL還需要各位自己的測試。
如果讓我選擇的話，我會嘗試使用ES來替代傳統的NoSQL，因爲它的橫向擴展機制太方便了。

六、ES的應用場景是怎樣的？

6.1 問題有兩個：

1）新系統開發嘗試使用ES作爲存儲和檢索服務器；
2）現有系統升級需要支持全文檢索服務，需要使用ES。

七、ES的部署

7.1 linux下的安裝

1. 零配置，開箱即用
2. 沒有繁瑣的安裝配置
3. java版本要求：最低1.7，我使用的1.8
4. 下載地址： https://www.elastic.co/cn/downloads
5. 啓動
   cd /usr/local/elasticsearch-2.3.5
   ./bin/elasticsearch
   bin/elasticsearch -d(後臺運行)

7.2 ES windows下一鍵安裝

自寫bat腳本實現windows下一鍵安裝。
1）一鍵安裝ES及必要插件（head、kibana、IK、logstash等）
2）安裝後以服務形式運行ES。
3）比自己摸索安裝節省至少2小時時間，效率非常高。

八、ES對外接口（開發人員關注）

8.1 JAVA API接口

http://www.ibm.com/developerworks/library/j-use-elasticsearch-java-apps/index.html

8.2 RESTful API接口

常見的增、刪、改、查操作實現：

http://blog.csdn.net/laoyang360/article/details/51931981