分布式搜索引擎03

于 2025-02-07 16:05:49 发布
阅读量911 收藏 13
点赞数 22
分类专栏： Java 文章标签： 分布式 搜索引擎 spring cloud
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_54418006/article/details/145406145
版权

1. 数据聚合

聚合（aggregations）可以让我们极其方便的实现对数据的统计、分析、运算。例如：

  • 什么品牌的手机最受欢迎？
  • 这些手机的平均价格、最高价格、最低价格？
  • 这些手机每月的销售情况如何？

实现这些统计功能的比数据库的sql要方便的多，而且查询速度非常快，可以实现近实时搜索效果。

1.1. 聚合的种类

聚合常见的有三类：

  • 桶（Bucket）聚合：用来对文档做分组
    • TermAggregation：按照文档字段值分组，例如按照品牌值分组、按照国家分组
    • Date Histogram：按照日期阶梯分组，例如一周为一组，或者一个月为一组
  • 度量（Metric）聚合：用以计算一些值，比如：最大值、最小值、平均值等
    • Avg：求平均值
    • Max：求最大值
    • Min：求最小值
    • Status：同时求max、min、avg、sum等
  • 管道（Pipeline）聚合：其他聚合的结果为基础做聚合

注意：参加聚合的字段必须是keyword、日期、数值、布尔类型

1.2. DSL实现聚合

现在，我们要统计所有数据中的酒店品牌有几种，其实就是按照品牌对数据分组。此时可以根据酒店品牌的名称做聚合，也就是Bucket聚合。

1.2.1. Bucket聚合语法

语法如下：

GET /hotel/_search
{
  "size": 0,  // 设置size为0，结果中不包含文档，只包含聚合结果
  "aggs": { // 定义聚合
    "brandAgg": { //给聚合起个名字
      "terms": { // 聚合的类型，按照品牌值聚合，所以选择term
        "field": "brand", // 参与聚合的字段
        "size": 20 // 希望获取的聚合结果数量
      }
    }
  }
}

结果如图：

在这里插入图片描述

1.2.2. 聚合结果排序

默认情况下，Bucket聚合会统计Bucket内的文档数量，记为_count，并且按照_count降序排序。

我们可以指定order属性，自定义聚合的排序方式：

我们可以指定order属性，自定义聚合的排序方式：

GET /hotel/_search
{
  "size": 0, 
  "aggs": {
    "brandAgg": {
      "terms": {
        "field": "brand",
        "order": {
          "_count": "asc" // 按照_count升序排列
        },
        "size": 20
      }
    }
  }
}

1.2.3. 限定聚合范围

默认情况下，Bucket聚合是对索引库的所有文档做聚合，但真实场景下，用户会输入搜索条件，因此聚合必须是对搜索结果聚合。那么聚合必须添加限定条件。

我们可以限定要聚合的文档范围，只要添加query条件即可：

GET /hotel/_search
{
  "query": {
    "range": {
      "price": {
        "lte": 200 // 只对200元以下的文档聚合
      }
    }
  }, 
  "size": 0, 
  "aggs": {
    "brandAgg": {
      "terms": {
        "field": "brand",
        "size": 20
      }
    }
  }
}

这次，聚合得到的品牌明显变少了：

在这里插入图片描述

1.2.4. Metric聚合语法

上面我们对酒店按照品牌分组，形成了一个个桶。现在我们需要对桶内的酒店做运算，获取每个品牌的用户评分的min、max、avg等值。

这就要用到Metric聚合了，例如stat聚合：就可以获取min、max、avg等结果。

语法如下：

GET /hotel/_search
{
  "size": 0, 
  "aggs": {
    "brandAgg": { 
      "terms": { 
        "field": "brand", 
        "size": 20
      },
      "aggs": { // 是brands聚合的子聚合，也就是分组后对每组分别计算
        "score_stats": { // 聚合名称
          "stats": { // 聚合类型，这里stats可以计算min、max、avg等
            "field": "score" // 聚合字段，这里是score
          }
        }
      }
    }
  }
}

这次的score_stats聚合是在brandAgg的聚合内部嵌套的子聚合。因为我们需要在每个桶分别计算。

在这里插入图片描述

1.2.5. 小结

aggs代表聚合，与query同级，此时query的作用是？

  • 限定聚合的文档范围

聚合必须的三要素：

  • 聚合名称
  • 聚合类型
  • 聚合字段

聚合可配置属性有：

  • size：指定聚合结果数量
  • order：指定聚合结果排序方式
  • field：指定聚合字段

1.3. RestAPI实现聚合

1.3.1. API语法

聚合条件与query条件同级别，因此需要使用request.source()来指定聚合条件。

语法：

在这里插入图片描述

聚合的结果也与查询结果不同，API也比较特殊。不过同样是JSON逐层解析：

在这里插入图片描述

1.3.2. 业务需求

需求：搜索页面的品牌、城市等信息不应该是在页面写死，而是通过聚合索引库中的酒店数据得来的：

在这里插入图片描述

分析：目前，页面的城市列表、星级列表、品牌列表都是写死的，并不会随着搜索结果的变化而变化。但是用户搜索条件改变时，搜索结果会跟着变化。

例如：用户搜索“东方明珠”，那搜索的酒店肯定是在上海东方明珠附近，因此，城市只能是上海，此时城市列表中就不应该显示北京、深圳、杭州这些信息了。

也就是说，搜索结果中包含哪些城市，页面就应该列出哪些城市；搜索结果中包含哪些品牌，页面就应该列出哪些品牌。

如何得知搜索结果中包含哪些品牌？如何得知搜索结果中包含哪些城市？

使用聚合功能，利用Bucket聚合，对搜索结果中的文档基于品牌分组、基于城市分组，就能得知包含哪些品牌、哪些城市了。

因为是对搜索结果聚合，因此聚合是限定范围的聚合，也就是说聚合的限定条件跟搜索文档的条件一致。

查看浏览器可以发现，前端其实已经发出了这样的一个请求：

在这里插入图片描述

请求参数与搜索文档的参数完全一致。

返回值类型就是页面要展示的最终结果：

在这里插入图片描述

结果是一个Map结构：

  • key是字符串，城市、星级、品牌、价格
  • value是集合，例如多个城市的名称

1.3.3. 业务实现

在cn.fg.hotel.controller包的HotelController中添加一个方法，遵循下面的要求：

  • 请求方式：POST
  • 请求路径：hotel/filters
  • 请求参数：RequestParams，与搜索文档的参数一致
  • 返回值类型：Map<String, List<String>>

代码：

@PostMapping("/filters")
public Map<String, List<String>> getFilters(@RequestBody RequestParams params) {
    return hotelService.getFilters(params);
}

在cn.fg.hotel.service.HotelService中定义新方法：

/**
 * 获取酒店筛选条件
 * @param params
 * @return
 */
Map<String, List<String>> getFilters(RequestParams params);

在cn.fg.hotel.service.impl.HotelServiceImpl中实现该方法：

@Override
public PageResult searchHotel(RequestParams params) throws IOException {
    // 1. 准备Request
    SearchRequest request = new SearchRequest("hotel");
    // 2. 准备DSL
    buildBasicQuery(params, request);
    // 分页
    int page = params.getPage();
    int size = params.getSize();
    request.source().from((page - 1) * size).size(size);
    // 排序
    String location = params.getLocation();
    if (location != null && !location.isEmpty()) {
        request.source().sort(SortBuilders
                .geoDistanceSort("location", new GeoPoint(location))
                .order(SortOrder.ASC)
                .unit(DistanceUnit.KILOMETERS));
    }

    // 3. 发送请求
    SearchResponse response = client.search(request, RequestOptions.DEFAULT);
    // 4. 解析结果
    return handleResponse(response);
}

@Override
public Map<String, List<String>> getFilters(RequestParams params) throws IOException {
    // 1. 准备Request
    SearchRequest request = new SearchRequest("hotel");
    // 2. 准备DSL
    buildBasicQuery(params, request);
    request.source().size(0); // 聚合查询时，size为0
    // 聚合
    buildAggregation(request);
    // 3. 发送请求
    SearchResponse response = client.search(request, RequestOptions.DEFAULT);
    // 4. 解析结果
    HashMap<String, List<String>> result = new HashMap<>();
    Aggregations aggregations = response.getAggregations();
    // 根据品牌名称,获取品牌结果
    List<String> brandList = getAggByName(aggregations, "brandAgg");
    result.put("品牌", brandList);
    // 根据城市名称,获取城市结果
    List<String> cityList = getAggByName(aggregations, "cityAgg");
    result.put("城市", cityList);
    // 根据星级名称,获取星级结果
    List<String> starList = getAggByName(aggregations, "starAgg");
    result.put("星级", starList);
    return result;
}

private List<String> getAggByName(Aggregations aggregations, String aggName) {
    // 根据聚合名称，获取聚合结果
    Terms brandTerms = aggregations.get(aggName);
    // 获取buckets
    List<? extends Terms.Bucket> buckets = brandTerms.getBuckets();
    // 遍历
    List<String> brandList = new ArrayList<>();
    for (Terms.Bucket bucket : buckets) {
        // 获取key
        String key = bucket.getKeyAsString();
        brandList.add(key);
    }
    return brandList;
}

2. 自动补全

当用户在搜索框输入字符时，我们应该提示出与该字符有关的搜索项，如图：

在这里插入图片描述

这种根据用户输入的字母，提示完整词条的功能，就是自动补全了。

因为需要根据拼音字母来推断，因此要用到拼音分词功能。

2.1. 拼音分词器

要实现根据字母做补全，就必须对文档按照拼音分词。在GitHub上恰好有elasticsearch的拼音分词插件。地址：github链接

安装和之前的IK分词器步骤一样。

安装后测试效果：

在这里插入图片描述

2.2. 自定义分词器

默认的拼音分词器会将每个汉字单独分为拼音，而我们希望每个词条形成一组拼音，需要对拼音分词器做个性化定制，形成自定义分词器。

elasticsearch中分词器（analyzer）的组成包含三部分：

  • character filters：在tokenizer之前对文本进行处理。例如删除字符、替换字符
  • tokenizer：将文本按照一定的规则切割成词条（term）。例如keyword就是不分词；还有ik_smart
  • tokenizer filter：将tokenizer输出的词条做进一步处理。例如大小写转换、同义词处理、拼音处理等

文档分词时会依次由这三部分来处理文档：

在这里插入图片描述

声明自定义分词器的语法如下：

PUT /test
{
  "settings": {
    "analysis": {
      "analyzer": { // 自定义分词器
        "my_analyzer": {  // 分词器名称
          "tokenizer": "ik_max_word",
          "filter": "py"
        }
      },
      "filter": { // 自定义tokenizer filter
        "py": { // 过滤器名称
          "type": "pinyin", // 过滤器类型，这里是pinyin
		  "keep_full_pinyin": false, // 不保留完整的拼音分词
          "keep_joined_full_pinyin": true, // 保留连接在一起的完整拼音
          "keep_original": true,  // 保留原始的中文分词
          "limit_first_letter_length": 16, // 限制拼音首字母的长度为 16
          "remove_duplicated_term": true, // 移除重复的分词
          "none_chinese_pinyin_tokenize": false // 不对非中文进行拼音分词
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "name": {
        "type": "text",
        "analyzer": "my_analyzer",
        "search_analyzer": "ik_smart"
      }
    }
  }
}

在这里插入图片描述

2.3. 自动补全查询

elasticsearch提供了Completion Suggester查询来实现自动补全功能。这个查询会匹配以用户输入内容开头的词条并返回。为了提高补全查询的效率，对于文档中字段的类型有一些约束：

  • 参与补全查询的字段必须是completion类型
  • 字段的内容一般是用来补全的多个词条形成的数组

比如：一个这样的索引库：

PUT test
{
  "mappings": {
    "properties": {
	  "title": {
	    "type": "completion"
	  }
	}
  }
}

然后插入下面的数据：

// 示例数据
POST test/_doc
{
  "title": ["Sony", "WH-1000XM3"]
}
POST test/_doc
{
  "title": ["SK-II", "PITERA"]
}
POST test/_doc
{
  "title": ["Nintendo", "switch"]
}

查询的DSL语句如下：

// 自动补全查询
GET /test/_search
{
  "suggest": {
    "title_suggest": {
      "text": "s", // 关键字
      "completion": {
        "field": "title", // 补全查询的字段
        "skip_duplicates": true, // 跳过重复的
        "size": 10 // 获取前10条结果
      }
    }
  }
}

2.4. 实现酒店搜索框自动补全

现在，我们的hotel索引库还没有设置拼音分词器，需要修改索引库中的配置。但是我们知道索引库是无法修改的，只能删除然后重新创建。

另外，我们需要添加一个字段，用来做自动补全，将brand、suggestion、city等都放进去，作为自动补全的提示。

因此，总结一下，我们需要做的事情包括：

  1. 修改hotel索引库结构，设置自定义拼音分词器
  2. 修改索引库的name、all字段，使用自定义分词器
  3. 索引库添加一个新字段suggestion，类型为completion类型，使用自定义的分词器
  4. 给HotelDoc类添加suggestion字段，内容包含brand、business
  5. 重新导入数据到hotel库

2.4.1. 修改酒店映射结构

代码如下：

PUT /hotel
{
  "settings": {
    "analysis": {
      "analyzer": {
        "text_analyzer": {
          "tokenizer": "ik_max_word",
          "filter": "py"
        },
        "completion_analyzer": {
          "tokenizer": "keyword",
          "filter": "py"
        }
      },
      "filter": {
        "py": {
          "type": "pinyin",
          "keep_full_pinyin": false,
          "keep_joined_full_pinyin": true,
          "keep_original": true,
          "limit_first_letter_length": 16,
          "remove_duplicated_term": true,
          "none_chinese_pinyin_tokenize": false
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "id": {
        "type": "keyword"
      },
      "name": {
        "type": "text",
        "analyzer": "text_analyzer",
        "search_analyzer": "ik_smart",
        "copy_to": "all"
      },
      "address": {
        "type": "keyword",
        "copy_to": "all"
      },
      "price": {
        "type": "integer",
        "copy_to": "all"
      },
      "score": {
        "type": "integer",
        "copy_to": "all"
      },
      "brand": {
        "type": "keyword",
        "copy_to": "all"
      },
      "city": {
        "type": "keyword",
        "copy_to": "all"
      },
      "starName": {
        "type": "keyword",
        "copy_to": "all"
      },
      "business": {
        "type": "keyword"
      },
      "location": {
        "type": "geo_point"
      },
      "pic": {
        "type": "keyword",
        "index": false
      },
      "all": {
        "type": "text",
        "analyzer": "text_analyzer",
        "search_analyzer": "ik_smart"
      },
      "suggestion": {
        "type": "completion",
        "analyzer": "completion_analyzer"
      }
    }
  }
}

2.4.2. 修改HotelDoc实体

HotelDoc中要添加一个字段，用来做自动补全，内容可以是酒店品牌、城市、商圈等信息。按照自动补全字段的要求，最好是这些字段的数组。

因此我们在HotelDoc中添加一个suggestion字段，类型为List<String>，然后将brand、city、business等信息放到里面。

在这里插入图片描述

在这里插入图片描述

2.4.3. 重新导入

重新执行之前编写的导入数据功能，可以看到新的酒店数据中包含了suggestion：

在这里插入图片描述

2.4.4. 自动补全查询的JavaAPI

之前我们学习了自动补全查询的DSL，而没有学习对应的JavaAPI，这里给出一个示例：

在这里插入图片描述

而自动补全的结果也比较特殊，解析的代码如下：

在这里插入图片描述

2.4.5. 实现搜索框自动补全

查看前端页面，可以发现当我们在输入框键入时，前端会发起ajax请求：

在这里插入图片描述

返回值是补全词条的集合，类型为List<String>

1）在cn.fg.hotel.controller包下的HotelController中添加新接口，接收新的请求：

@GetMapping("/suggestion")
public List<String> getSuggestion(@RequestParam("key") String prefix) throws IOException {
    return hotelService.getSuggestion(prefix);
}

2）在cn.fg.hotel.service包下的hotelService中添加方法：

List<String> getSuggestion(String prefix) throws IOException;

3）在cn.fg.hotel.service.impl.HotelServiceImpl中实现该方法：

@Override
public List<String> getSuggestion(String prefix) throws IOException {
    SearchRequest request = new SearchRequest("hotel");
    request.source().suggest(new SuggestBuilder().addSuggestion("suggestions",
            SuggestBuilders.completionSuggestion("suggestion")
                    .prefix(prefix)
                    .skipDuplicates(true)
                    .size(10)
    ));
    SearchResponse response = client.search(request, RequestOptions.DEFAULT);
    Suggest suggest = response.getSuggest();
    CompletionSuggestion suggestions = suggest.getSuggestion("suggestions");
    List<CompletionSuggestion.Entry.Option> options = suggestions.getOptions();
    List<String> list = new ArrayList<>(options.size());
    for (CompletionSuggestion.Entry.Option option : options) {
        String text = option.getText().toString();
        list.add(text);
    }
    return list;
}

效果如下：

在这里插入图片描述

3. 数据同步

elasticsearch中的酒店数据来自于mysql数据库，因此mysql数据发生改变时，elasticsearch也必须跟着改变，这个就是elasticsearch与mysql之间的数据同步。

在这里插入图片描述

3.1. 思路分析

常见的数据同步方案有三种：

  • 同步调用
  • 异步通知
  • 监听binlog

3.1.1. 同步调用

在这里插入图片描述

步骤如下：

  • hotel-demo对外提供接口，用来修改elasticsearch中的数据
  • 酒店管理服务在完成数据库操作后，直接调用hotel-demo提供的接口

3.1.2. 异步通知

在这里插入图片描述
步骤如下：

  • hotel-admin对mysql数据库数据完成增、删、改后，发送MQ消息
  • hotel-demo监听MQ，接收到消息后完成elasticsearch数据修改

3.1.3. 监听binlog

在这里插入图片描述

步骤如下：

  • 给mysql开启binlog功能
  • mysql完成增、删、改操作都会记录在binlog中
  • hotel-demo基于canal监听binlog变化，实时更新elasticsearch中的内容

3.1.4. 选择

方式一：同步调用

  • 优点：实现简单，粗暴
  • 缺点：业务耦合度高

方式二：异步通知

  • 优点：低耦合，实现难度一般
  • 缺点：依赖mq的可靠性

方式三：监听binlog

  • 优点：完全解除服务间耦合
  • 缺点：开启binlog增加数据库负担、实现复杂度高

3.2. 实现数据同步

3.2.1. 创建hotel-admin项目

写好代码后，其中包含了酒店的CRUD功能：

在这里插入图片描述

3.2.2. 声明交换机、队列

MQ结构如图：

在这里插入图片描述

1）引入依赖

在hotel-admin、hotel-demo中引入rabbitmq的依赖：

<!--amqp-->
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-amqp</artifactId>
</dependency>
2）声明队列交换机名称

在hotel-admin和hotel-demo中的cn.fg.hotel.constants包下新建一个类MqConstants：

package cn.fg.hotel.constants;

public class MqConstants {
    /**
     * 交换机
     */
    public final static String HOTEL_EXCHANGE = "hotel.topic";
    /**
     * 监听新增和修改的队列
     */
    public final static String HOTEL_INSERT_QUEUE = "hotel.insert.queue";
    /**
     * 监听删除的队列
     */
    public final static String HOTEL_DELETE_QUEUE = "hotel.delete.queue";
    /**
     * 新增或修改的RoutingKey
     */
    public final static String HOTEL_INSERT_KEY = "hotel.insert";
    /**
     * 删除的RoutingKey
     */
    public final static String HOTEL_DELETE_KEY = "hotel.delete";
}
3）声明队列交换机

在hotel-demo中，定义配置类，声明队列、交换机：

package cn.fg.hotel.config;

import cn.fg.hotel.constants.MqConstants;
import org.springframework.amqp.core.Binding;
import org.springframework.amqp.core.BindingBuilder;
import org.springframework.amqp.core.Queue;
import org.springframework.amqp.core.TopicExchange;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

@Configuration
public class MqConfig {
    @Bean
    public TopicExchange topicExchange() {
        // 表示交换机是持久的（durable），这意味着即使RabbitMQ重启，交换机也会存在
        // 表示交换机是自动删除的（auto-delete），这意味着当没有队列绑定到交换机时，交换机会自动删除
        return new TopicExchange(MqConstants.HOTEL_EXCHANGE, true, false);
    }

    @Bean
    public Queue insertQueue() {
        return new Queue(MqConstants.HOTEL_INSERT_QUEUE, true);
    }

    @Bean
    public Queue deleteQueue() {
        return new Queue(MqConstants.HOTEL_DELETE_QUEUE, true);
    }

    @Bean
    public Binding insertQueueBinding() {
        return BindingBuilder.bind(insertQueue()).to(topicExchange()).with(
                MqConstants.HOTEL_INSERT_KEY
        );
    }

    @Bean
    public Binding deleteQueueBinding() {
        return BindingBuilder.bind(deleteQueue()).to(topicExchange()).with(
                MqConstants.HOTEL_DELETE_QUEUE
        );
    }
}

3.2.4. 发送MQ消息

在hotel-admin中的增删改业务中分别发送MQ消息：

在这里插入图片描述

3.2.5. 接收MQ消息

hotel-demo接收到MQ消息要做的事情包括：

  • 新增消息：根据传递的hotel的id查询hotel信息，然后新增一条数据到索引库
  • 删除消息：根据传递的hotel的id删除索引库中的一条数据

1）首先在hotel-demo的cn.fg.hotel.service包下的HotelService中新增新增、删除业务

void insertById(Long id) throws IOException;

void deleteById(Long id) throws IOException;

2）给hotel-demo中的cn.fg.hotel.service.impl包下的HotelServiceImpl中实现业务：

@Override
public void insertById(Long id) throws IOException {
    // 根据id查询酒店数据
    Hotel hotel = getById(id);
    // 转为文档类型
    HotelDoc hotelDoc = new HotelDoc(hotel);
    // 1. 准备Request
    IndexRequest request = new IndexRequest("hotel").id(hotel.getId().toString());
    // 2. 准备JSON文档
    request.source(JSON.toJSONString(hotelDoc), XContentType.JSON);
    // 3. 准备发送请求
    client.index(request, RequestOptions.DEFAULT);
}

@Override
public void deleteById(Long id) throws IOException {
    // 1. 准备Request
    DeleteRequest request = new DeleteRequest("hotel", id.toString());
    // 2. 准备发送请求
    client.delete(request, RequestOptions.DEFAULT);
}

3）编写监听器

在hotel-demo中的cn.fg.hotel.mq包新增一个HotelListener类：

package cn.fg.hotel.mq;

import cn.fg.hotel.constants.MqConstants;
import cn.fg.hotel.service.HotelService;
import org.springframework.amqp.rabbit.annotation.RabbitListener;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Component;

import java.io.IOException;

@Component
public class HotelListener {

    @Autowired
    private HotelService hotelService;

    /**
     * 监听酒店新增或修改
     *
     * @param id 酒店id
     */
    @RabbitListener(queues = MqConstants.HOTEL_INSERT_QUEUE)
    public void listenHotelInsertOrUpdate(Long id) throws IOException {
        hotelService.insertById(id);
    }

    /**
     * 监听酒店删除
     *
     * @param id 酒店id
     */
    @RabbitListener(queues = MqConstants.HOTEL_DELETE_QUEUE)
    public void listenHotelDelete(Long id) throws IOException {
        hotelService.deleteById(id);
    }
}

当mysql数据库的数据发生改变时，立即监听进行修改es的数据。

4. 集群

单机的elasticsearch做数据存储，必然面临两个问题：海量数据存储问题、单点故障问题。

  • 海量数据存储问题：将索引库从逻辑上拆分为N个分片（shard），存储到多个节点
  • 单点故障问题：将分片数据在不同节点备份（replica）

ES集群相关概念：

  • 集群（cluster）：一组拥有共同的 cluster name 的节点

  • 节点（node) ：集群中的一个 Elasticearch 实例

  • 分片（shard）：索引可以被拆分为不同的部分进行存储，称为分片。在集群环境下，一个索引的不同分片可以拆分到不同的节点中
    解决问题：数据量太大，单点存储量有限的问题。
    在这里插入图片描述

  • 主分片（Primary shard）：相对于副本分片的定义。

  • 副本分片（Replica shard）每个主分片可以有一个或者多个副本，数据和主分片一样。

数据备份可以保证高可用，但是每个分片备份一份，所需要的节点数量就会翻一倍，成本实在是太高了！

为了在高可用和成本间寻求平衡，我们可以这样做：

  • 首先对数据分片，存储到不同节点
  • 然后对每个分片进行备份，放到对方节点，完成互相备份

这样可以大大减少所需要的服务节点数量，如图，我们以3分片，每个分片备份一份为例：

在这里插入图片描述

现在，每个分片都有1个备份，存储在3个节点：

  • node0：保存了分片0和1
  • node1：保存了分片0和2
  • node2：保存了分片1和2

4.1. 搭建ES集群

4.1.1. 搭建集群

我们会在单机上利用docker容器运行多个es实例来模拟es集群。不过生产环境推荐大家每一台服务节点仅部署一个es的实例。

部署es集群可以直接使用docker-compose来完成，但这要求你的Linux虚拟机至少有4G的内存空间

1）首先编写一个docker-compose文件，内容如下：

version: '2.2'
services:
  es01:
    image: elasticsearch:7.12.1
    container_name: es01
    environment:
      - node.name=es01
      - cluster.name=es-docker-cluster
      - discovery.seed_hosts=es02,es03
      - cluster.initial_master_nodes=es01,es02,es03
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
    volumes:
      - data01:/usr/share/elasticsearch/data
    ports:
      - 9200:9200
    networks:
      - elastic
  es02:
    image: elasticsearch:7.12.1
    container_name: es02
    environment:
      - node.name=es02
      - cluster.name=es-docker-cluster
      - discovery.seed_hosts=es01,es03
      - cluster.initial_master_nodes=es01,es02,es03
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
    volumes:
      - data02:/usr/share/elasticsearch/data
    ports:
      - 9201:9200
    networks:
      - elastic
  es03:
    image: elasticsearch:7.12.1
    container_name: es03
    environment:
      - node.name=es03
      - cluster.name=es-docker-cluster
      - discovery.seed_hosts=es01,es02
      - cluster.initial_master_nodes=es01,es02,es03
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
    volumes:
      - data03:/usr/share/elasticsearch/data
    networks:
      - elastic
    ports:
      - 9202:9200
volumes:
  data01:
    driver: local
  data02:
    driver: local
  data03:
    driver: local

networks:
  elastic:
    driver: bridge

es运行需要修改一些linux系统权限，修改/etc/sysctl.conf文件

vi /etc/sysctl.conf

添加下面的内容：

vm.max_map_count=262144

然后执行命令，让配置生效：

sysctl -p

通过docker-compose启动集群：

docker-compose up -d

4.1.2. 集群状态监控

kibana可以监控es集群，不过新版本需要依赖es的x-pack 功能，配置比较复杂。

这里推荐使用cerebro来监控es集群状态，官方网址：https://github.com/lmenezes/cerebro

解压好的目录如下：

在这里插入图片描述

进入对应的bin目录：

在这里插入图片描述

双击其中的cerebro.bat文件即可启动服务。

在这里插入图片描述

访问http://localhost:9000 即可进入管理界面：

在这里插入图片描述

输入你的elasticsearch的任意节点的地址和端口，点击connect即可：

在这里插入图片描述

4.1.3. 创建索引库

1）利用kibana的DevTools创建索引库

在DevTools中输入指令：

PUT /itcast
{
  "settings": {
    "number_of_shards": 3, // 分片数量
    "number_of_replicas": 1 // 副本数量
  },
  "mappings": {
    "properties": {
      // mapping映射定义 ...
    }
  }
}

2）利用cerebro创建索引库

利用cerebro还可以创建索引库：

在这里插入图片描述

填写索引库信息：

在这里插入图片描述

点击右下角的create按钮：

在这里插入图片描述

4.1.4. 查看分片效果

回到首页，即可查看索引库分片效果：

在这里插入图片描述

4.2. 集群脑裂问题

4.2.1. 集群职责划分

elasticsearch中集群节点有不同的职责划分：

在这里插入图片描述

默认情况下，集群中的任何一个节点都同时具备上述四种角色。

但是真实的集群一定要将集群职责分离：

  • master节点：对CPU要求高，但是内存要求低
  • data节点：对CPU和内存要求都高
  • coordinating节点：对网络带宽、CPU要求高

职责分离可以让我们根据不同节点的需求分配不同的硬件去部署。而且避免业务之间的互相干扰。

一个典型的es集群职责划分如图：

在这里插入图片描述

4.2.2. 脑裂问题

脑裂是因为集群中的节点失联导致的。

例如一个集群中，主节点与其它节点失联：

在这里插入图片描述

此时，node2和node3认为node1宕机，就会重新选主：

在这里插入图片描述

当node3当选后，集群继续对外提供服务，node2和node3自成集群，node1自成集群，两个集群数据不同步，出现数据差异。

当网络恢复后，因为集群中有两个master节点，集群状态的不一致，出现脑裂的情况：

在这里插入图片描述

解决脑裂的方案是，要求选票超过( eligible节点数量 + 1 ）/ 2才能当选为主，因此eligible节点数量最好是奇数。对应配置项是discovery.zen.minimum_master_nodes，在es7.0以后，已经成为默认配置，因此一般不会发生脑裂问题。

例如：3个节点形成的集群，选票必须超过 （3 + 1） / 2 ，也就是2票。node3得到node2和node3的选票，当选为主。node1只有自己1票，没有当选。集群中依然只有1个主节点，没有出现脑裂。

4.2.3. 小结

master eligible节点的作用是什么？

  • 参与集群选主
  • 主节点可以管理集群状态、管理分片信息、处理创建和删除索引库的请求

data节点的作用是什么？

  • 数据的CRUD

coordinator节点的作用是什么？

  • 路由请求到其他节点
  • 合并查询到的结果，返回给用户

4.3. 集群分布式存储

当新增文档时，应该保存到不同分片，保证数据均衡，那么coordinating node 如何确定数据该存储到哪个分片呢？

4.3.1. 分片存储测试

插入三条数据：

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

测试可以看到，三条数据分别在不同分片：

在这里插入图片描述

结果：

在这里插入图片描述

4.3.2. 分片存储原理

elasticsearch会通过hash算法来计算文档应该存储到哪个分片：

在这里插入图片描述

说明：

  • _routing默认是文档的id
  • 算法与分片数量有关，因此索引库一旦创建，分片数量不能修改！

新增文档的流程如下：

在这里插入图片描述

解读：

  • 新增一个id=1的文档
  • 对id做hash运算，假如得到的是2，则应该存储到shard-2
  • shard-2的主分片在node3节点，将数据路由到node3
  • 保存文档
  • 同步给shard-2的副本replica-2，在node2节点
  • 返回结果给coordinating-node节点

4.4. 集群分布式查询

elasticsearch的查询分成两个阶段：

  • scatter phase：分散阶段，coordinating node会把请求分发到每一个分片
  • gather phase：聚集阶段，coordinating node汇总data node的搜索结果，并处理为最终结果集返回给用户

在这里插入图片描述

4.5. 集群故障转移

集群的master节点会监控集群中的节点状态，如果发现有节点宕机，会立即将宕机节点的分片数据迁移到其它节点，确保数据安全，这个叫做故障转移。

1）例如一个集群结构如图：

在这里插入图片描述

现在，node1是主节点，其它两个节点是从节点。

2）突然，node1发生了故障：

在这里插入图片描述

宕机后的第一件事，需要重新选主，例如选中了node2：

在这里插入图片描述

node2成为主节点后，会检测集群监控状态，发现：shard-1、shard-0没有副本节点。因此需要将node1上的数据迁移到node2、node3：

在这里插入图片描述

Elasticsearch的使用RestHighLevelClient
zwc953685177的博客
09-14 1414
一、准备 1.1、依赖 <elasticsearch.version>7.12.1</elasticsearch.version> <dependency> <groupId>org.elasticsearch.client</groupId> <artifactId>elasticsearch-rest-high-level-client</artifactId> <version&g
分布式搜索引擎ElasticSearch思维导图
11-17
分布式搜索引擎ElasticSearch思维导图，ES思维带图。分布式搜索引擎ElasticSearch思维导图，ES思维带图。分布式搜索引擎ElasticSearch思维导图，ES思维带图。分布式搜索引擎ElasticSearch思维导图，ES思维带图。...
微服务架构-Day7
青釉Oo的博客
08-20 564
学习目标 学会微服务架构 对应项目hotel-demo 学习笔记 1.数据聚合 **聚合（aggregations）**可以让我们极其方便的实现对数据的统计、分析、运算。 实现这些统计功能的比数据库的sql要方便的多，而且查询速度非常快，可以实现近实时搜索效果。 1.1.聚合的种类 聚合常见的有三类： **桶（Bucket）**聚合：用来对文档做分组 TermAggregation：按照文档字段值分组，例如按照品牌值分组、按照国家分组 Date Histogram：按照日期阶梯分组，例如一周为一
Elasticsearch之RestHighLevelClient配置
样young的博客
10-30 4803
https://www.hellojava.com/a/45783.html https://www.elastic.co/guide/en/elasticsearch/client/java-rest/current/_basic_authentication.html Java REST Client [7.4]»Java Low Level REST Client»Common ...
ES的使用和Kibana的基本操作
weixin_45721467的博客
08-13 1792
Kibana的基本操作 Kibanadang 就是一个发送http请求的工具 索引(Index)的基本操作 PUT /dangdang/ 创建索引 DELETE /dangdang 删除索引 DELETE /* 删除所有索引 GET /_cat/indices?v 查看索引信息 ​ _cat 一组命令 可以查询es一些状态 类型(type)的基本操作 创建类型 1.创建/dang...
分布式信息检索
喜欢java技术 爱好开源的家伙
10-25 371
http://blog.youkuaiyun.com/active1001/archive/2007/07/02/1675938.aspx 分布式计算开源框架Hadoop介绍――分布式计算开源框架Hadoop入门实践（一） http://www.infoq.com/cn/articles/hadoop-intro Hadoop中的集群配置和使用技巧――分布式计算开源框架Hadoop入门实践（二） ...
基于Redis的分布式搜索引擎研究.pdf
08-08
为了深入理解分布式搜索引擎的原理与实现，本研究通过设计和实现了一个基于Redis数据库和Map-reduce思想的分布式搜索引擎框架，解决了互联网信息搜索效率低下的问题。以下将详细说明该框架的设计思路、关键技术与...
分布式搜索引擎Elasticsearch开发实战基础篇
06-09
**分布式搜索引擎Elasticsearch开发实战基础篇** 在信息化飞速发展的时代，数据量激增，传统的数据库查询方式已经无法满足高效、实时的数据检索需求。此时，分布式搜索引擎如Elasticsearch应运而生，它以其强大的...
基于scrapy的分布式搜索引擎
02-25
在"基于Scrapy的分布式搜索引擎"项目中，我们将探讨如何利用Scrapy来创建一个能够处理大规模数据抓取的分布式系统，并结合搜索引擎技术，实现对抓取数据的有效检索。 一、Scrapy框架详解 Scrapy由多个组件构成，...
分布式搜索引擎 ppt 说明资料
10-29
分布式搜索引擎Elasticsearch基础知识点 1. 什么是Elasticsearch？ Elasticsearch是一个开源的分布式搜索引擎，能够快速地从海量数据中找到需要的内容。它是elastic stack（ELK）的核心组件，负责存储、搜索、分析...
分布式索引文章
05-13
作者研究hadoop多年，非常厉害，他的文章很有参考价值。文章设计构建了一个基于hadoop的分布式垂直搜索引擎。
分布式索引入门
鸭梨的博客
08-05 1218
说到分布式索引时，我们在谈论什么？ 首先，我要说明一下谈到分布式索引，需要了解什么样的内容。你已经知道存储引擎中包含数据文件和索引文件，同时索引文件中又有索引组织表这种主要的形式。 目前世界上主要的分布式数据库的数据存储形式，就是围绕着索引而设计的。 为什么会这样呢？ 由于分布式数据库的数据被分散在多个节点上，当查询请求到达服务端时，目标数据有极大的概率并不在该节点上，需要进行一次甚至多次远程调用才可查询到数据。由于以上的原因，在设计分布式数据库存储引擎时，我们更希望采用含有索引的数据表，从而减少查询的延迟
ES高级使用
qq_46020806的博客
05-21 503
该查询会在"my_index"索引中查找所有包含"shopping"关键词的文档，并根据每个文档的"price"字段计算评分值，然后将所有评分值求和并乘以一个因子来得到最终的评分值。该查询会在"title"和"description"两个字段中查找包含"brown"或"fox"任意一个单词的文档，并按照相关性得分排序返回结果。该查询会在"title"字段中查找包含"quick"、"brown"和"fox"任意一个单词的文档，并按照相关性得分排序返回结果。
微服务入门：elasticsearch与RestClient(1)
沉迷写代码的程序猿的博客
07-21 698
在做一些小项目的话，通常使用MP来查询或者条件查询，速度上还是挺快的 但是在实际开发中，我们的数据肯定是上万甚至百万级的，这时候就应该使用elasticsearch在进行查找 elasticsearch是一款非常强大的开源搜索引擎，具备非常多强大功能，可以帮助我们从海量数据中快速找到需要的内容 elasticsearch是基于Restful风格实现的...
Elasticsearch和RestHighLevelClient的使用
aa674715201的博客
01-30 1806
基于RestHighLevelClient的elasticsearch案例使用，适用于初学者
10、es---高级用法
sunxj1222的博客
06-09 1268
一、term vector 1、term vector ：获取document中的某个field内的各个term的统计信息 term information: term frequency in the field, term positions, start and end offsets, term payloads term statistics: 设置term_statistics=true; total term frequency, 一个term在所有document中出现的频率; docu
通过Hadoop做分布式索引
技术源于生活
02-22 6329
数据库里面有千万级的数据需要做索引，开始的方案是起线程，然后每次读取一定的数量，索引，然后继续读。一开始上了四台普通的PC，1.8的CPU，1G的内存，做了10个多小时才索引完。后来换了Hadoop，同样的四台机器，只要20分钟就完成了。当然不是直接上hadoop就能提速那么多，还是需要做很多地方的调整的。第一个，先把数据库记录dump出来成为文本文件，然后放到hdfs里面，这样做的目的是
Springboot项目中使用Elasticsearch的RestClient
最新发布
程序员半支烟，wechat：yclxiao
04-27 2007
选择RestHighLevelClient作为ES的RestClient。核心步骤：增加properties配置、引入pom、配置conf类。调用API、使用DSL语法。本篇完结！！！Springboot项目中使用Elasticsearch的RestClient - 不焦躁的程序员Springboot项目中使用Elasticsearch的RestClient。
ES 高级操作
weixin_42609405的博客
02-28 1722
ES高级操作
Java开发的分布式搜索引擎项目实践
4. 分布式搜索引擎的架构实现：分布式搜索引擎通常需要处理大量的数据，并且要保证系统的高可用性和扩展性。本资源将探讨使用Java实现的分布式搜索引擎的具体架构，例如主从架构、对等架构、中心化与去中心化架构，...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

FG.

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值