Elasticsearch（ES）模块结构图

作者介绍：简历上没有一个精通的运维工程师。请点击上方的蓝色《运维小路》关注我，下面的思维导图也是预计更新的内容和当前进度(不定时更新)。

中间件，我给它的定义就是为了实现某系业务功能依赖的软件，包括如下部分:

Web服务器

代理服务器

ZooKeeper

Kafka

RabbitMQ

Hadoop HDFS

Elasticsearch ES (本章节）

前面我们用了3个小节来介绍ES所涉及到底层技术：倒排索引，分词，Lucene，今天来贴一个整个架构图。

此图来源于网络，且该架构已经和当前的版本部分数据不一致，仅作理解。

第一层：交互层

RESTful Style API：提供 RESTful 风格接口，让用户 / 程序能通过 HTTP 方法（GET/POST 等）操作 Elasticsearch（如创建索引、查询数据 ），是开发者常用的交互入口。

Java(Netty)：基于 Netty 实现 Java 层面的网络通信支持，保障高效请求处理与响应。

JMX：Java 管理扩展，用于监控、管理 Elasticsearch 的运行状态（如内存、线程等）。

3rd Plugins：第三方插件扩展层，可通过插件增强 Elasticsearch 功能（如自定义分词、集成其他系统 ）。

第二层：传输层（Transport）

Thrift: 一种高效的、可扩展的跨语言服务开发框架。

Memcached: 一个高性能的分布式内存对象缓存系统，用于加速动态Web应用程序。

Http: 通过HTTP协议进行数据传输。

第三层：服务发现（Discovery）与脚本（Scripting）层

Discovery：负责集群节点发现，Zen 是 Elasticsearch 内置的默认发现机制，EC2 适配 AWS 环境，保障集群节点自动识别、组建集群。

Scripting：支持多种脚本语言（mvel、js、python 等 ），允许在查询、更新等操作中嵌入自定义逻辑（如复杂评分、数据处理 ）

3rd Plugins ：表明发现机制是可扩展的，可以通过插件实现自定义的发现策略（例如，基于 Consul, Kubernetes, GCE, Azure 等的发现插件）

第四层： 核心功能模块

Index Module：索引模块，负责索引的创建、删除、分片管理等，是数据写入 Elasticsearch 的基础流程。

Search Module：搜索模块，实现查询解析、执行、结果聚合等，支撑复杂搜索需求（如全文检索、过滤、排序 ）。

Mapping：定义索引的 “数据结构 schema”，类似数据库表结构，指定字段类型（文本、数值等 ）、分词规则等，保障数据正确存储与检索。

River：早期用于 “河流” 功能（已逐步废弃 ），曾支持从外部数据源（如数据库、消息队列 ）持续拉取数据到 Elasticsearch 。

第五层：Distributed Lucene Directory

Distributed Lucene Directory: 使用Lucene作为底层搜索引擎，并将其分布化，以支持大规模的数据存储和检索。

底层：Gateway

Local FileSystem: 使用本地文件系统作为数据存储，也是一般情况下使用最多的文件系统。

Shared FileSystem: 使用共享文件系统，允许多个节点访问同一份数据。

Hadoop HDFS: 集成Hadoop的分布式文件系统（HDFS），适用于大数据场景。

Amazon S3: 支持将数据存储在Amazon S3云存储服务中。

运维小路

一个不会开发的运维！一个要学开发的运维！一个学不会开发的运维！欢迎大家骚扰的运维！

关注微信公众号《运维小路》获取更多内容。