思考：如何检索大规模数据？例如：当系统数据量达到10亿或100亿时，我们在做系统架构时通常会从以下几个角度来考虑问题：1）用什么数据库好？（mysql、sybase、oracle、大梦、神通、mongodb、hbase...）2）如何解决单点故障；（lvs、F5、A10、Zookeep、MQ）3）如何保证数据安全（热备、冷备、异地多活）4）如何解决检索问题；（数据库代理中间件：mysql-proxy、Cobar、MaxScale等；）5）如何解决统计分析问题；（离线，近实时）传统数据库解决方案对于关系型数据，我们通常采用以下或类似的架构来解决查询瓶颈和写入瓶颈：解决要点：1）通过主从备份解决数据安全问题；2）通过数据库代理中间件心跳监控解决单点故障问题；3）通过代理中间件将查询语句分发到各个从节点进行查询，汇总非关系型数据库解决方案的结果。Nosql数据库，以mongodb为例，其他原理类似：解决要点：1）通过副本备份保证数据安全；2）通过节点选举机制解决单点问题；3）先从配置库中获取分片信息，然后将请求分发到各个节点，最后由路由节点对结果进行合并汇总，另辟蹊径——把数据完全放到内存中如何？我们知道把数据完全放在内存中是不可靠的，其实也不现实。当我们的数据达到PB级别时，是按照每个节点96G内存来计算的。当内存完全装满数据时，我们需要的机器是：1PB=1024T=1048576G节点数=1048576/96=10922实际上，考虑到数据备份，节点数往往在25000个左右。巨大的成本让它变得不现实！从前面的讨论中我们了解到，无论数据存入内存还是不存入内存，都无法彻底解决这个问题。内存速度的问题都解决了，但是成本问题又来了。为了解决上述问题，从源头分析入手，我们通常通过以下方式寻找方法：1、有序存储数据；2.将数据与索引分离；3.压缩数据；这导致了Elasticsearch。1.ES基础知识一览1.1ES定义ES=elaticsearch的简写，Elasticsearch是一个开源的、高度可扩展的分布式全文搜索引擎，可以近实时地存储和检索数据；具有良好的扩展性，可以扩展到数百台服务器，处理PB级数据。Elasticsearch也是用Java开发的，以Lucene为核心实现所有的索引和搜索功能，但其目的是通过简单的RESTfulAPI隐藏Lucene的复杂性，从而使全文搜索变得简单。1.2Lucene和ES的关系？1)Lucene只是一个库。要使用它，您必须使用Java作为开发语言并将其直接集成到您的应用程序中。更糟糕的是，Lucene非常复杂，您需要深入了解检索知识才能理解它的工作原理。2）Elasticsearch也是用Java开发的，以Lucene为核心实现所有的索引和搜索功能，但其目的是通过简单的RESTfulAPI隐藏Lucene的复杂性，让全文搜索变得简单。1.3ES主要解决问题：1）检索相关数据；2）返回统计结果；3）更快。1.4ES工作原理当ElasticSearch节点启动时，它会使用组播（或者单播，如果用户改变了配置）来寻找集群中的其他节点并与它们建立连接。这个过程如下图所示：1.5ES核心概念1）Cluster：集群。ES可以作为一个独立的单一搜索服务器。但是，为了处理大数据集，实现容错和高可用，ES可以运行在很多服务器上，相互协作。这些服务器的集合称为集群。2）节点：节点。组成集群的每个服务器称为一个节点。3）Shard：分片。当文档数量较多时，由于内存限制、磁盘处理能力不足、无法足够快地响应客户端请求等原因，一个节点可能不够用，此时可以将数据分成更小的分片。每个分片都放在不同的服务器上。当你查询的索引分布在多个分片上时，ES会将查询发送到每个相关的分片并将结果组合在一起，应用程序不知道分片的存在。即：这个过程对用户是透明的。4)Replia：复制。为了提高查询吞吐量或实现高可用性，可以使用分片副本。副本是分片的精确副本，每个分片可以有零个或多个副本。ES中可以有很多相同的分片，选择其中一个进行改变索引的操作，这种特殊的分片称为primaryshard。当主分片丢失时，例如分片中的数据不可用时，集群会将副本提升到新的主分片。5)全文搜索。全文搜索是对一篇文章进行索引，可以根据关键词进行搜索，类似于mysql中的like语句。全文索引是根据词义对内容进行切分，然后单独建立索引。例如，“你的热情是什么？”可以细分为：“你”、“激情”、“什么”、“到”等token，这样当你搜索“你”或“激情”时，就会搜索到这句话。1.6ES数据架构的主要概念（相对于关系型数据库Mysql）（1）关系型数据库中的数据库（DataBase）相当于ES中的索引（Index）（2）一个下有N个表（Table）数据库，相当于1个索引Index有N多种类型（Type），（3）一个数据库表（Table）下的数据由多行（ROW）和多列（column，attribute）组成，相当于1Type由多个文档（Document）和多个字段组成。(4)在关系数据库中，模式定义了表、每个表的字段以及表与字段之间的关系。相应的，在ES:Mapping中定义了索引下Type的字段处理规则，即如何建立索引、索引类型、是否保存原始索引JSON文档、是否压缩原始JSON文档、是否分词需要处理，如何进行分词处理等等。(5)数据库中的插入、删除、更新、查找等操作相当于在ES中添加PUT/POST、删除delete、更改_update、勾选GET。1.7什么是麋鹿？ELK=elasticsearch+Logstash+kibanaelasticsearch：后台分布式存储和全文搜索logstash：日志处理，“搬运工”kibana：数据可视化展示。ELK架构为分布式数据存储、可视化查询、日志解析创建了强大的管理链。三者相互配合，取长补短，共同完成分布式大数据处理工作。2、ES的特点和优势1）分布式实时文件存储，可以将各个字段存储在一个索引中，以便于检索。2)实时分析的分布式搜索引擎。分布式：索引被拆分成多个分片，每个分片可以有零个或多个副本。集群中的每个数据节点承载一个或多个分片并协调和处理各种操作；在大多数情况下，负载重新平衡和路由是自动完成的。3）可扩展到数百台服务器处理PB级结构化或非结构化数据。也可以单机运行（已测试）4）支持插件机制，分词插件，同步插件，Hadoop插件，可视化插件等3.ES性能3.1性能结果展示（1）硬件配置：CPU16核AuthenticAMD总内存：32GB总硬盘：500GBnon-SSD（2）基于以上硬件指标的测试性能如下：1）平均索引吞吐量：12307docs/s（每个文档大小：40B/docs)2)平均CPU使用率：887.7%（16核，平均每核：55.48%）3）构建索引大小：3.30111GB4）总写入量：20.2123GB5）总测试时间：28m54s。4、为什么要用ES？4.1国内外ES使用优秀案例1）2013年初，GitHub放弃了Solr，采用ElasticSearch进行PB级搜索。“GitHub使用ElasticSearch搜索了20TB的数据，包括13亿个文件和1300亿行代码”。2）维基百科：启动基于elasticsearch的核心搜索架构。3）SoundCloud：“SoundCloud使用ElasticSearch为1.8亿用户提供即时准确的音乐搜索服务”。4）百度：百度目前广泛使用ElasticSearch作为文本数据分析，收集百度所有服务器上的各种索引数据和自定义数据，对各种数据进行多维分析和展示，辅助定位分析实例异常或业务-级异常。目前覆盖百度内部20多个业务线（包括卡西欧、云分析、网盟、预测、图书馆、直属账户、钱包、风控等），单个集群最大100台机器，200个ES节点，每天导入30TB+数据。4.2我们还需要实际的项目开发。在实战中，几乎每个系统都会有搜索功能。当搜索达到一定程度后，维护和扩展就会变得更加困难。因此，很多公司都会将搜索功能独立出来。一个模块，用ElasticSearch等实现。近年来，ElasticSearch发展迅速，已经超越了它最初作为一个纯搜索引擎的角色。现在它增加了数据聚合分析（聚合）和可视化功能。如果你有数以百万计的文档需要通过关键词定位，ElasticSearch一定是最好的选择。当然，如果你的文档是JSON格式的，你也可以把ElasticSearch当做一个“NoSQL数据库”，利用ElasticSearch数据聚合分析（aggregation）的特性，对数据进行多维度的分析。ES在某些场景下可以替代传统DB。个人觉得Elasticsearch作为内部存储还是不错的，效率基本可以满足。也可以在某些方面替代传统DB，前提是你的业务没有运营问题。特殊要求;而权限管理也不需要做的那么细，因为ES的权限并不完善。由于我们对ES的应用场景只是一定时间内的数据聚合操作，没有大量的单文档请求（比如通过userid查找用户的文档，类似NoSQL的应用场景），是否可以替代没有SQL？您还需要自己的测试。如果非要我选的话，我会尝试用ES而不是传统的NoSQL，因为它的水平扩展机制太方便了。5、ES的应用场景是什么？通常我们面临两个问题：1）新系统开发尝试使用ES作为存储和检索服务器；2）现有系统升级需要支持全文检索服务，需要ES。一线企业ES使用场景：1）新浪ES如何分析处理32亿条实时日志https://dockone.io/article/5052）阿里ES自建日志收集分析系统https://afoo.me/columns/tec/logging-platform-spec.html3）有赞ES业务日志处理https://tech.youzan.com/you-zan-tong-ri-zhi-ping-tai-chu-tan/4)ES实现全站搜索https://www.wtoutiao.com/p/13bkqiZ.html
