ES学习第一篇

一、ES的产生

1.1 大批量数据如何检索

问题：当系统数据量上了10亿条的时候，我们通常会从以下角度去考虑问题：

1. 用什么数据库好？(mysql、oracle、mongodb、hbase…)
2. 如何解决单点故障；(zk、mq)
3. 如何保证数据安全性；(热备、冷备)
4. 如何解决检索难题；(数据库代理中间件：mysql-proxy、Cobar、MaxScale等;)
5. 如何解决统计分析问题；(离线、近实时)

1.2 传统数据库是如何解决的？

对于关系型数据，我们通常采用以下或类似架构去解决查询瓶颈和写入瓶颈：

解决要点：

1. 通过主从备份解决数据安全性问题；
2. 通过数据库代理中间件心跳监测，解决单点故障问题；
3. 通过代理中间件将查询语句分发到各个slave节点进行查询，并汇总结果

1.3 非关系型数据库是如何解决的？

对于Nosql数据库，以mongodb为例，其它原理类似：

解决要点：

1. 通过副本备份保证数据安全性；
2. 通过节点竞选机制解决单点问题；
3. 先从配置库检索分片信息，然后将请求分发到各个节点，最后由路由节点合并汇总结果

1.4 如果把数据都放到内存中会怎样？

众所周知，内存运算速度快，数据都放内存中，效率会大大提升。但很明显，不现实：

当我们的数据达到PB级别时，按照每个节点96G内存计算，在内存完全装满的数据情况下，我们需要的机器是：1PB=1024T=1048576G
节点数=1048576/96=10922个
实际上，考虑到数据备份，节点数往往在2.5万台左右。成本巨大决定了其不现实！

为解决以上问题，从源头着手分析，通常会从以下方式来寻找方法：

1. 存储数据时按有序存储；
2. 将数据和索引分离；
3. 压缩数据；

这就引出了Elasticsearch。

二、ES基础

2.1 ES定义

ES=elaticsearch简写， Elasticsearch是一个开源的高扩展的分布式全文检索引擎，它可以近乎实时的存储、检索数据；本身扩展性很好，可以扩展到上百台服务器，处理PB级别的数据。

Elasticsearch也使用Java开发并使用Lucene作为其核心来实现所有索引和搜索的功能，但是它的目的是通过简单的RESTful API来隐藏Lucene的复杂性，从而让全文搜索变得简单。

2.2 Lucene与ES关系

• Lucene只是一个库。想要使用它，你必须使用Java来作为开发语言并将其直接集成到你的应用中，更糟糕的是，Lucene非常复杂，你需要深入了解检索的相关知识来理解它是如何工作的。
• Elasticsearch也使用Java开发并使用Lucene作为其核心来实现所有索引和搜索的功能，但是它的目的是通过简单的RESTful API来隐藏Lucene的复杂性，从而让全文搜索变得简单。

2.3 ES能解决什么

1. 检索相关数据；
2. 返回统计结果；
3. 速度要快。

2.4 工作原理

当ElasticSearch的节点启动后，它会利用多播(或者单播，如果用户更改了配置)寻找集群中的其它节点，并与之建立连接。这个过程如下图所示：

2.5 ES核心概念

1、Cluster：集群

ES可以作为一个独立的单个搜索服务器。不过，为了处理大型数据集，实现容错和高可用性，ES可以运行在许多互相合作的服务器上。这些服务器的集合称为集群。

2、Node：节点

形成集群的每个服务器称为节点。

3、Shard：分片

当有大量的文档时，由于内存的限制、磁盘处理能力不足、无法足够快的响应客户端的请求等，一个节点可能不够。这种情况下，数据可以分为较小的分片。每个分片放到不同的服务器上。
当你查询的索引分布在多个分片上时，ES会把查询发送给每个相关的分片，并将结果组合在一起，而应用程序并不知道分片的存在。即：这个过程对用户来说是透明的。

4、Replia：副本

为提高查询吞吐量或实现高可用性，可以使用分片副本。
副本是一个分片的精确复制，每个分片可以有零个或多个副本。ES中可以有许多相同的分片，其中之一被选择更改索引操作，这种特殊的分片称为主分片。
当主分片丢失时，如：该分片所在的数据不可用时，集群将副本提升为新的主分片。

5、全文检索

全文检索就是对一篇文章进行索引，可以根据关键字搜索，类似于mysql里的like语句。
全文索引就是把内容根据词的意义进行分词，然后分别创建索引，例如”你们的激情是因为什么事情来的” 可能会被分词成：“你们“，”激情“，“什么事情“，”来“ 等token，这样当你搜索“你们” 或者 “激情” 都会把这句搜出来。

2.6 ES数据架构中主要概念（与MySQL对比）

1. 关系型数据库中的数据库（DataBase），等价于ES中的索引（Index）
2. 一个数据库下面有N张表（Table），等价于1个索引Index下面有N多类型（Type），
3. 一个数据库表（Table）下的数据由多行（ROW）多列（column，属性）组成，等价于1个Type由多个文档（Document）和多Field组成。
4. 在一个关系型数据库里面，schema定义了表、每个表的字段，还有表和字段之间的关系。 与之对应的，在ES中：Mapping定义索引下的Type的字段处理规则，即索引如何建立、索引类型、是否保存原始索引JSON文档、是否压缩原始JSON文档、是否需要分词处理、如何进行分词处理等。
5. 在数据库中的增insert、删delete、改update、查search操作等价于ES中的增PUT/POST、删Delete、改_update、查GET.

2.7 ELK是什么

ELK=elasticsearch+Logstash+kibana

elasticsearch：后台分布式存储以及全文检索

logstash: 日志加工、“搬运工”

kibana：数据可视化展示。

ELK架构为数据分布式存储、可视化查询和日志解析创建了一个功能强大的管理链。 三者相互配合，取长补短，共同完成分布式大数据处理工作。

三、ES特点和优势

1. 分布式实时文件存储，可将每一个字段存入索引，使其可以被检索到。
2. 实时分析的分布式搜索引擎。
   分布式：索引分拆成多个分片，每个分片可有零个或多个副本。集群中的每个数据节点都可承载一个或多个分片，并且协调和处理各种操作；
   负载再平衡和路由在大多数情况下自动完成。
3. 可以扩展到上百台服务器，处理PB级别的结构化或非结构化数据。也可以运行在单台PC上（已测试）
4. 支持插件机制，分词插件、同步插件、Hadoop插件、可视化插件等。

四、ES性能

4.1 性能结果展示

硬件配置：

CPU 16核 AuthenticAMD
内存 总量：32GB
硬盘 总量：500GB 非SSD

在上述硬件的基础上测试性能如下：

平均索引吞吐量： 12307docs/s（每个文档大小：40B/docs）
平均CPU使用率： 887.7%（16核，平均每核：55.48%）
构建索引大小： 3.30111 GB
总写入量： 20.2123 GB
测试总耗时： 28m 54s.

五、为什么要用ES？

5.1 ES国内外使用优秀案例

1） 2013年初，GitHub抛弃了Solr，采取ElasticSearch 来做PB级的搜索。 “GitHub使用ElasticSearch搜索20TB的数据，包括13亿文件和1300亿行代码”。

2）维基百科：启动以elasticsearch为基础的核心搜索架构。
3）SoundCloud：“SoundCloud使用ElasticSearch为1.8亿用户提供即时而精准的音乐搜索服务”。
4）百度：百度目前广泛使用ElasticSearch作为文本数据分析，采集百度所有服务器上的各类指标数据及用户自定义数据，通过对各种数据进行多维分析展示，辅助定位分析实例异常或业务层面异常。目前覆盖百度内部20多个业务线（包括casio、云分析、网盟、预测、文库、直达号、钱包、风控等），单集群最大100台机器，200个ES节点，每天导入30TB+数据。

5.2 我们的需求

实际项目开发实战中，几乎每个系统都会有一个搜索的功能，当搜索做到一定程度时，维护和扩展起来难度就会慢慢变大，所以很多公司都会把搜索单独独立出一个模块，用ElasticSearch等来实现。

近年ElasticSearch发展迅猛，已经超越了其最初的纯搜索引擎的角色，现在已经增加了数据聚合分析（aggregation）和可视化的特性，如果你有数百万的文档需要通过关键词进行定位时，ElasticSearch肯定是最佳选择。当然，如果你的文档是JSON的，你也可以把ElasticSearch当作一种“NoSQL数据库”， 应用ElasticSearch数据聚合分析（aggregation）的特性，针对数据进行多维度的分析。

【知乎：热酷架构师潘飞】ES在某些场景下替代传统DB
个人以为Elasticsearch作为内部存储来说还是不错的，效率也基本能够满足，在某些方面替代传统DB也是可以的，前提是你的业务不对操作的事性务有特殊要求；而权限管理也不用那么细，因为ES的权限这块还不完善。
由于我们对ES的应用场景仅仅是在于对某段时间内的数据聚合操作，没有大量的单文档请求（比如通过userid来找到一个用户的文档，类似于NoSQL的应用场景），所以能否替代NoSQL还需要各位自己的测试。
如果让我选择的话，我会尝试使用ES来替代传统的NoSQL，因为它的横向扩展机制太方便了。

六、ES的应用场景是怎样的？

6.1 问题有两个：

1）新系统开发尝试使用ES作为存储和检索服务器；
2）现有系统升级需要支持全文检索服务，需要使用ES。

七、ES的部署

7.1 linux下的安装

1. 零配置，开箱即用
2. 没有繁琐的安装配置
3. java版本要求：最低1.7，我使用的1.8
4. 下载地址： https://www.elastic.co/cn/downloads
5. 启动
   cd /usr/local/elasticsearch-2.3.5
   ./bin/elasticsearch
   bin/elasticsearch -d(后台运行)

7.2 ES windows下一键安装

自写bat脚本实现windows下一键安装。
1）一键安装ES及必要插件（head、kibana、IK、logstash等）
2）安装后以服务形式运行ES。
3）比自己摸索安装节省至少2小时时间，效率非常高。

八、ES对外接口（开发人员关注）

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

常见的增、删、改、查操作实现：

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