elasticSearch

概念

分析数据

加入倒排索引之前，es在其主体上进行的操作：

字符过滤转变为字符 / 文本切分单｜多个分词 / 分词过滤转变分词 / 分词索引存储到索引

节点：node es实例

cluster.name 相同集群，承担数据负载压力

主节点：集群范围内all变更
数据节点：存储数据和对应倒排索引，默认都是，node.data设置
协调节点：node.master和node.data=false则为协调节点，响应请求，均衡负载

分片：水平分表一个分片lucene实例

写入：

分段存：索引文件被分成段，不变性本身是倒排索引，写入不可改

文件系统缓存

段写入到磁盘 生成提交点 ，记录all提交后段信息的文件，只读

段在内存，只写的权限，不能被检索

新增：新增段就ok

删除：新增.del文件，列出被删段信息，可被查到最终结果被返回前从结果集中移除

更新：删除+新增，旧的文件标记del文件，新版索引到新段

冲刷：refresh

新数据先写入内存

文件系统缓存:1s 内存达到一定量触发刷新refresh 新段存储到文件缓存系统

磁盘:提交点刷盘

冲刷 flush

内存分段提交到磁盘

translog 事务日志，记录每次es的操作

flush 事务被清空，段全量提交到磁盘

内存缓存满了/flush超过一定时间/事务日志达到阈值

段合并merge

提升搜索性能均衡I/O CPU计算能力

分段总量保持可控范围内，每个搜索请求轮流检查每个段段多检索慢

真正的删除文档

数据查询

文档经过analyzer处理(分词/去停用词/单复数/时态) term 文档编号词频

索引优化: 给term排序二分查找 logN

term index：A开头的有哪些term 分别在哪页

含term的前缀，通过term index快速定位到term dictionary的某个offset 磁盘顺序查找

from size：普通的分页查询

scroll：快照，每次只能获取一页的内容，然后会返回一个scroll_id

search_after：依赖上一次查询的结果高效可扩展大规模分野实时

整理：Elasticsearch 三种分页方式_es search after原理-CSDN博客

filter执行原理

query之前执行，过滤掉多的数据

倒排索引中查找搜索串，文档id bitset 过滤追踪query，近256个query中超过次数缓存bitset，小的segemtn不需要缓存，提升性能

bitset由es自动更新

倒排索引

每个字段都有自己的倒排索引

联合索引：

skip list

跳表同时遍历多个term的posting list 互相skip

跳表：多层有序链表组成最低层level1含all元素，含指针

多数据量使用跳表效果显著

少的使用bitset 压缩按位与得到最后的交集

使用bitset数据结构，多个term求出bitset，对bitset做AN操作

FST压缩

内存存 more数据，内存FST压缩term index （内存里）

空间占用小，对词典中单词前缀和后缀重复****利用 压缩了存储空间
查询块，O(len(str))

Roaring Bitmap

posting list存储文档id，id很大的时候压缩，排序和大数变小数

打分机制

得分：搜索词条的频率以及它有多常见(一个文档中)

TF-IDF，多个文档中越多越不相关，and you，and 出现的次数多不重要

master选举

ZenDiscovery模块复制，ping rpc发现彼此 unicast

多个node当选master，脑裂破坏数据一致性，导致集群不可控

分布式投票，master被多节点认可，保证只有一个

discovery.zen.minimum_master_nodes=sum(node)/2+1 多半

可称为master的节点据nodeId字典排序，每次选举节点将all节点排序选第一个认为master
先根据clusterStateVersion比较，大优先级高相同进入compareNodes，内部按节点的id比较

脑裂：

网络问题，节点访问不到master 开始选举
节点负载高 es响应延迟任务挂了重新选
内存回收，占用内存太大大规模回收
ping_timeout响应时间超3s，可改
选举触发 discovery.zen.minimum_master_nodes:1最小集群主节点数量，

master候选等待多数节点join后才能成为master，保证master得到认可

raft算法，选举周期term 每周期只能投一票再投就是下一周期，如最后两个节点都认为自己是master，两个term都收集到了多数派的选票，多数节点的term是较大的那个

集群

去中心化

shards

索引分片，es可把完整索引分成多个分片，可以把一个大的索引拆分多个分布到

replicas：索引副本，可设置多个索引副本

masterNode该节点不和应用创建连接，保存集群状态

修改节点状态信息以及处理元数据：索引增删分片路由索引相关的mapping/setting

recovery：数据恢复/数据重新分布，节点加入/退出据机器负载对索引分片重新分配

ingest：大数据处理环节的ETL 抽取转换加载

数据前置处理转换的节点，pipeline管道过滤转换

数据转换和丰富，20个内置处理器 grok date gsub

批量请求或索引操作前，ingest拦截请求处理文档

logstash：大量输入/出插件，支持不同架构；在本地缓存数据，集成大量不同消息队列

ingest：批量bulk 索引index请求将数据推送es，长时间无法联系es丢数据；28种类处理器操作单一事件上下文运行

高可用

自动处理节点的加入和离开
自动同步改变的集群状态
当集群发生故障时自动切换主副shard

每个索引分成多个分片shards进行存储，分片会分布式部署在多个不同的节点

副本分片：容错/ 请求的负载均衡

状态同步：

主节点改变集群状态，publish给其他节点
其他节点回复确认，不改变本地集群状态
在discovery.zen.commit_timeout30s时间内未收到discovery.zen.minimum_master_nodes个节点确认信息，改变的状态=rejected
收到了，提交commit该状态的改变，其他节点发送该改变
其他节点收到，应用到本地的集群状态，主节点发送成功信息