Elasticsearch 的 Routing 策略详解

Elasticsearch 的 Routing 策略详解：原理、类型与最佳实践

一、背景：为什么需要 Routing

在 Elasticsearch 中，索引（Index）是一个逻辑概念，底层由多个 分片（Shard）组成，每个分片是一个独立的 Lucene 引擎，存储和索引部分数据。
当我们写入文档时，ES 需要通过某种策略决定它应该落在哪个主分片（Primary Shard） 。这个决定过程，就是 Routing。

Routing 的意义：

• 数据分布：避免所有数据集中到单个分片导致热点，确保负载均衡。
• 查询性能：让相关数据落在同一分片，减少跨分片查询。
• 扩展能力：通过合理 routing，让集群更易于水平扩展。

---

二、Routing 的核心原理

ES 按如下公式将文档映射到分片：

shard_num = hash(routing_value) % number_of_primary_shards

• routing_value ：路由字段的值。
  • 默认情况下是文档的 _id。
  • 可以通过 API 显式指定 (?routing=xxx)。
• hash()：ES 使用 Murmur3 哈希函数，将 routing 值转换成一个整数。
• number_of_primary_shards：该索引的主分片数（创建时设定，不能更改）。

📌 路由一致性：相同 routing 值的文档一定会落到同一个主分片。

---

三、Routing 策略类型

1. 默认 Routing（基于 _id 哈希）

• 不传 routing 参数，ES 会使用文档 _id 作为 routing 值。
• 数据分布较为均匀（哈希分布），写入压力较均衡。
• 缺点：查询一个业务字段（如用户 ID）时，数据可能分散在多个分片，导致跨分片查询。

适用场景：

• 单条文档 CRUD 操作。
• 没有明显的数据分组需求。

---

2. 自定义 Routing 值

• 写入或查询时显式指定 routing 参数，将同一类数据（如 user_id）写入同一个分片。
• 优点：相同 routing 值的数据一定在同一分片，单分片查询性能高。
• 缺点：某个 routing 值过于热门会造成热点分片。

POST /my_index/_doc?routing=user123
{
  "user": "user123",
  "msg": "hello"
}

GET /my_index/_search?routing=user123
{
  "query": {"match": {"user": "user123"}}
}

适用场景：

• 多租户系统：routing=tenant_id。
• 用户数据查询：routing=user_id。

---

3. 父子文档 Routing

在 ES 中，如果使用 join（parent-child） 关系：

• 父文档和子文档必须设置相同 routing 值。
• 保证它们存储在同一分片，否则 join 查询会跨分片。

适用场景：

• 有强关联的文档，需要 join 查询。
• 电商商品 + 商品评论模型（商品ID为 routing）。

---

4. 多 Routing 值查询

查询时可以指定多个 routing 值，ES 只会命中这些 routing 值对应的分片：

GET /my_index/_search?routing=user123,user456
{
  "query": {"match_all": {}}
}

适用场景：

• 批量查询特定用户/租户数据。
• 限定跨分片的范围，不扫全分片。

---

5. 多索引 + 独立 Routing

• 在多索引查询中，每个索引可以有自己的 routing 规则。
• ES 会分别计算每个索引对应的分片范围，然后查询合并结果。

---

四、Routing 策略的选择建议

选择 routing 策略时的关键因素：

1. 查询模式：是随机单条查询，还是基于某个业务字段批量查？
2. 数据分布：是否可能产生热点分片？
3. 扩展性：主分片数一旦设置，不能修改；routing 分布要提前规划。
4. 关联性：是否需要保证某些数据一定在同一分片（父子文档、业务关联）。

场景	推荐 routing	说明
单条文档 CRUD	默认 _id	负载均衡好
多租户数据	tenant_id	保证租户数据单分片命中
用户数据查询频繁	user_id	避免跨分片
父子关联存储	父ID	保证关联数据同分片
高频单字段统计	字段ID	批量分析单分片数据

---

五、Routing 的注意事项

• 热点分片问题：某些 routing 值的数据量特别大，会导致分片压力不均（读写热点）。
• 分片数不可改：在创建索引时必须预估好分片数。
• 与副本分片的关系：routing 决定落在哪个主分片，副本是由 allocation 策略分配的。
• 查询优化：routing 在查询阶段可以减少分片数量，提高检索性能。

---

六、总结

Elasticsearch 的 routing 就是一个文档到分片的映射机制 。

默认情况下使用 _id，保证数据均匀分布；在需要让同类数据集中存储和查询时，可以自定义 routing 值。

使用策略时，要权衡查询效率 与分片负载均衡，避免热点分片，同时要考虑分片数量的不可变性。

---

参考资料：

• Elasticsearch Routing 官方文档
• Scaling Elasticsearch with Proper Shard Design

---