文档

• elasticsearch是面向文档的，文档是所有可搜索数据的最小单位
  • 日志文件中的日志项
  • 一本电影的具体信息/一张唱片的详细信息
  • mp3播放器里面的一首歌/一篇pdf文档中的具体内容
• 文档会被序列化成json格式，保存在elasticsearch中
  • json对象由字段组成
  • 每个字段都有对应的字段类型（字符串，数值，布尔，日期，二进制，范围类型）
• 每个文档都有一个unique id
  • 你可以自己制定id
  • 或者通过elasticsearch自动生成

json文档

json文档

• 一篇文档包含了一系列的字段，类似数据库中的一条记录
• json文档，格式灵活，不需要预先定义格式
  • 字段的类型可以指定或者通过elasticsearch自动推算
  • 支持数组，支持嵌套

上篇通过csv文件装换的数据

{
    "@version" => "1",
          "id" => "177939",
       "genre" => [
        [0] "Animation",
        [1] "Romance"
    ],
        "year" => 2017,
       "title" => "The Night Is Short, Walk on Girl"
}

文档的元数据

文档的元数据

• 元数据，用于标注文档的相关信息
  • _index 文档所属的索引名
  • _type 文档所属的类型名
  • _id 文档唯一id
  • _source 文档的原始json数据
  • _all 整合所有字段内容到该字段，已被废除
  • _version 文档的版本信息
  • _score 相关性打分

索引

索引

• index 索引是文档的容器，是一类文档的结合
  • index提现了逻辑空间的概念：每个索引都有自己的mapping定义，用户定义包含的文档的字段名和字段类型
  • shard体现了物理空间的概念：索引中的数据分散在shard上
• 索引的mapping和settings
  • mapping定义文档字段的类型
  • setting定义不同的数据分布

索引的不同语义

elasticsearch集群中

• 名词 一个elasticsearch集群中，可以创建很多个不同的索引
• 动词 保存一个文档到elasticsearch中的过程也叫索引
• 名词 一个b树索引，一个倒排索引

type

• 7.0之前，一个index可以设置多个types
• 6.0开始，type已经被抛弃，7.0开始，一个索引只能创建一个type，_doc
• 传统关系型数据库和elasticsearch的区别
  • elasticsearch - schemaless/相关性/高性能全文搜索
  • rdms - 事务性/join

抽象和类比

rdbms（关系型数据库）	elasticsearch
table	index(type)
row	document
column	filed
schema	mapping
sql	dsl

提供了rest-api 容易被各种语言调用

rest-api

一些基本的api

• indeces
  • 创建index
    • put movies
  • 查看所有的index
    • _cat/indices

kibana应用

kibana应用-索引管理

index相关api

#查看索引相关信息
GET kibana_sample_data_ecommerce

#查看索引的文档总数
GET kibana_sample_data_ecommerce/_count

#查看前10条文档，了解文档格式
POST kibana_sample_data_ecommerce/_search
{
}

#_cat indices API
#查看indices
GET /_cat/indices/kibana*?v&s=index

#查看状态为绿的索引
GET /_cat/indices?v&health=green

#按照文档个数排序
GET /_cat/indices?v&s=docs.count:desc

#查看具体的字段
GET /_cat/indices/kibana*?pri&v&h=health,index,pri,rep,docs.count,mt

#How much memory is used per index?
GET /_cat/indices?v&h=i,tm&s=tm:desc

节点，集群，分片以及副本

分布式系统的可用性和拓展性

• 高可用性
  • 服务可用性 - 允许有节点停止服务
  • 数据可用性 - 部分节点丢失，不会丢失数据
• 可拓展性
  • 请求量提升，数据的不断增长（将数据分布到所有节点上）

分布式特性

• elasticsearch的分布式架构的好处
  • 存储的水平扩容
  • 提高系统的可用性，部分节点停止服务，整个集群的服务不受影响
• elasticsearch的分布式架构
  • 不同集群通过不同的名字区分，默认名字“elasticsearch”
  • 通过配置文件修改，或者在命令行中 -E cluster.name=cutie进行设定
  • 一个集群可以有一个或者多个节点

节点

• 节点是一个elasticsearch的实例
  • 本质上是一个java进程
  • 一台机器上可以运行多个elasticsearch进程，但是生产环境一般建议一台机器上只运行一个elasticsearch实例
  • 每一个节点都有名字，通过配置文件配置，或者启动的时候 -E node.name=node1指定
  • 每一个节点在启动之后会分配一个uid，保存在data目录下

master-eligible nodes 和 master node

• 每个节点启动后，默认就是一个master eligible节点
  • 可以设置node.master:false禁止
• master-eligible节点可以参加选主流程，成为master节点
• 当地一个节点启动的时候，它会将自己选举成master节点
• 每个节点上都保存了集群的状态，只有master节点才能修改集群的状态信息
  • 集群状态（cluster state），维护了一个集群中必要的信息
    • 所有的节点信息
    • 所有的索引和与其相关的mapping和setting信息
    • 分片的路由信息
  • 任意加点都能修改信息会导致数据的不一致性

data node （数据）和 coordinating node （协调）

• data node
  • 可以保存数据的节点，叫做data node，负责保存分片数据。在数据拓展起到了至关重要的作用
• coordinating node
  • 负责接受client的请求，将请求分发到合适的节点，最终把结果汇集到一起
  • 每个节点默认都起到了coordinating node的职责

其他的节点类型

• hot & warm node （冷热节点）
  • 不同硬件配置的data node，用来实现hot & warm 架构，降低集群成本
• machine learning node
  • 负责跑机器学习的job，用来做异常检测
• tribe node
  • 5.3开始使用corss cluster search，tribe node 链接到不同的elasticsearch集群，并且支持将这些集群当成一个单独的集群处理

配置节点类型

在elasticsearch.yml中配置

• 开发环境中一个节点可以承担多种角色
• 生产环境中应该设置单一的角色的节点（dedicated node）

节点类型	配置参数	默认值
master eligible	node.master	true
data	node.data	true
ingest	node.ingest	true
coordinating onlu	无	每个节点默认都是coordinating节点，设置其他类型全部为false
machine learning	node.ml	true（需要enable x-pack）

分片（primary shard & replica shard）

• 主分片，用户解决数据水平拓展的问题。通过主分片，可以将数据分布到集群内的所有节点之上
  • 一个分片是一个运行的lucene实例
  • 主分片数在索引创建时指定，后续不允许修改，除非reindex
• 副本，用以解决数据高可用的问题。分片是主分片的拷贝
  • 副本分片数可以动态调整
  • 增加副本数，还可以在一定程度上提高服务的可用性（读取的吞吐）
• 一个三节点的集群中，blogs索引的分片分部情况
  • 思考：增加一个节点活改大主分片数对系统的影响？

分片示例

分片的设定

• 对于生产环境中分片的设定，需要提前做好容量规划
• 分片数设置过小
  • 导致后续无法增加节点实现水平拓展
  • 单个分片的数据量太大，导致数据重新分配耗时
• 分票数设置过大，7.0开始，默认主分片设置为1，解决了over-sharding的问题
  • 影响搜索结果的相关性打分，影响统计结果的准确性
  • 单个节点上过多的分片，会导致资源的浪费，同时也会影响性能

查看集群的健康状况

健康状态

• green - 主分片和副本都正常分配
• yellow - 主分片全部正常分配，有副本分片未能正常分配
• red - 有主分片未能分配
  • 如：服务器的磁盘容量超过85%时，去创建了一个新的索引

demo

get _cluster/health
get _cat/nodes
get _cat/shards

get _cat/nodes?v
GET /_nodes/es7_01,es7_02
GET /_cat/nodes?v
GET /_cat/nodes?v&h=id,ip,port,v,m


GET _cluster/health
GET _cluster/health?level=shards
GET /_cluster/health/kibana_sample_data_ecommerce,kibana_sample_data_flights
GET /_cluster/health/kibana_sample_data_flights?level=shards

#### cluster state
The cluster state API allows access to metadata representing the state of the whole cluster. This includes information such as
GET /_cluster/state

#cluster get settings
GET /_cluster/settings
GET /_cluster/settings?include_defaults=true

GET _cat/shards
GET _cat/shards?h=index,shard,prirep,state,unassigned.reason