大流量下的 ElasticSearch 搜索演进

  • 时间:
  • 浏览:4

这是泥瓦匠(bysocket.com)的第27篇精华分享

ES (ElasticSearch)是分布式搜索引擎。引擎太晦涩,我我觉得例如一一2个 MySQL ,一一2个存储。方便提供下面功能:

  • 近实时搜索
  • 全文检索,特征化搜索,统计分析

这么存储在 ES 数据哪里来?

答案是数据同步。法律办法推荐如下:

  1. 数据传输(Data Transmission)是阿里云提供的四种 支持RDBMS(关系型数据库)、NoSQL、OLAP等多种数据源之间数据交互的数据服务。【阿里的】

    https://help.aliyun.com/product/26590.html

  2. 有赞亿级订单同步的探索与实践【小弟我呆的小组搞的】

    https://mp.weixin.qq.com/s/33KACMxXkgzZyIL9m6q4YA

回归到 ES 演进

当时在创业公司,同步每次也有全量的,否则半夜任务跑一下即可。意味着着直接同步往 ES CRUD 数据。

单机伪集群,能够能 跑。具体全文检索思路:

  • 基于「短语匹配」并设置最小匹配权重值
  • 哪来的短语,利用 IK 分词器分词
  • 基于 Fiter 实现筛选
  • 基于 Pageable 实现分页排序

具体看我系列 ES 博客和 GitHub。

这人量级预估是 百万 / 千万数据同步和查询。

就只能单机伪集群了,运维层面能避免这人量:

  • 多个 ElasticSearch 运行实例(节点 Node)的组合体是 ElasticSearch 集群
  • 通过水平扩容为集群加进去去更多节点

如何水平扩容

主分片在索引创建意味着着选则。读操作能够 同时被主分片和副分片避免。否则,更多的分片,会拥有更高的吞吐量。自然,需用增加更多的硬件资源支持吞吐量。说明,这里无法提高性能,意味着着每个分片获得的资源会变少。动态调整副本分片数,按需伸缩集群,比如把副本数默认值为 1 增加到 2:

PUT /blogs/_settings
{
"number_of_replicas" : 2
}

基本一一2个集群 Cluster 含着各个业务搜搜:订单、商品等

一一2个劲发现一一2个问题 :

  • A 集群里面的大索引慢查会影响 A 集群的一点小索引。

比如现在同一一2个 订单 索引大了,慢查。影响了一点业务。那不应该呀,怎办?

答案是:物理隔离为多集群:

  • 分为甚都集群:集群订单、集群商品等隔离
  • 多机房支持

往往这事先问题 由来了:业务单点如何优化升级?

一一2个索引 project , 存储项目相关的数据。项目的数量级这么大,亿量级,万亿量级。那一一2个大索引的查询啥的也有再次跳出瓶颈。这事先该为甚优化呢?

避免方案:冷热分离;拆分

大索引的拆分,也也有先要。例如分片的路由规则,根据具体业务指定即可。

这里,亲戚亲戚人们人们能够 定义 4000 个索引,分别名为 project_1、project_2、project_3…

否则在 ES 集群里面架一层简单的 proxy 。里面核心的业务路由规则能够 否则:

project_id 项目自增 ID

index_id 得出来的索引对应的 ID

index_id = project_id % 4000

  • ES proxy 层:做总索引和真正分索引的映射
  • ES 索引配置管理:做索引与业务的映射
  • ES 集群

冷热分离;也是例如的否则里面状态的数据最热独立集群独立索引。定期从里面删除终态数据。这么这人索引数据量少,支持搜搜查询量贼大。何乐而不为。

  • 完 -