干货 | Elasticsearch 趋势科技实战分享笔记

少啰嗦,直接看东西。

1、Elasticsearch 索引的设计

1.1 单一索引还是基于时间的索引?

单一索引的问题: 1)不能更新Mapping。 比如:主分片数不可以修改(除非reindex)。 2)无法灵活、快速地扩展。 3)更适合固定、小型数据集。

基于时间的索引面临的问题: 1)如何确定间隔?

  • 数据量
  • 变更频率
  • 默认尝试每周为单位分割——建议

2)如何实施?

  • 索引模板

1.2 定义索引注意事项

举例:

{
    "facet_internet_access_minute":{
        "template":"ce-index-access-v1-*",
        "order":0,
        "settings":{
            "number_of_shards":5
        },
        "aliases":{
            "{index}-query":{

            }
        },
        "mappings":{
            "es_doc":{
                "dynamic":"strict",
                "_all":{
                    "enabled":false
                },
                "_source":{
                    "enabled":false
                },
                "properties":{
                    "CLF_Timestamp":{
                        "type":"long"
                    },
                    "CLF_CustomerID":{
                        "type":"keyword"
                    },
                    "CLF_ClientIP":{
                        "type":"ip",
                        "ignore_malformed":true
                    }
                }
            }
        }
    }
}

注意1:不要在一个索引中定义多个type。

6.X版本已经不支持,7.X版本彻底不支持。 扩展问题:5.X版本的父子文档实际实现中是一个索引中定义了多个type,到了6.X中实现方式改变为:join方式。

注意2:将Set _source设置为false。

假设你只关心度量结果,不是原始文件内容。 将节省磁盘空间并减少IO。 这个点,需要结合实际的业务场景具体问题具体分析。 举例:

"_source":{ "enabled":false },

注意3:将_all设置为false。

假设你确切地知道你对哪个field做查询操作? 能实现性能提升,缩减存储。 举例:

"_all":{ "enabled":false },

注意4:设置dynamic = strict。

假设你的数据是结构化数据。 字段设置严格,避免脏数据注入。 举例:

"dynamic":"strict",

注意5:使用keyword类型

假设你只关心完全匹配 提高性能和缩小磁盘存储空间 举例:

"CLF_CustomerID":{ "type":"keyword" },

注意6:使用别名

如何在不停机的前提从一个索引切换到另一个索引?

举例:

"aliases":{ "{index}-query":{ }

或者你通过head插件创建。

2、Elasticsearch分片分配原则

社区和QQ群中经常被问到的问题:

  • 1)应该分几个索引、几个分片?
  • 2)每个分片大小如何设置?
  • 3)副本多少如何设置?

这里,明确给出实操可行的6个步骤。

步骤1:定义索引。

思考索引中要大致有哪些字段? 最好能列一个Excel表统计一下,包含但不限于: 序号、名称、类型、作用、备注。 以上对计算单条数据大小也有用。

步骤2:评估数据量。

评估方法举例: 1分钟有100条数据,1天=1006024=144000条。 1月=144000条30天=432W条数据。 1年=432W12=5184W条数据。 假设要保存2年,共=10368W条数据。 假设每条数据20KB,共需要存储:10368W*20/1024/1024/1024=1.977TB。

步骤3:评估索引大小和磁盘空间。

步骤4:计算分片数。

细节考虑点: 1、每个分片大小应小于30GB。 2、分片数量= k *数据节点数目(k = 一个足够小的整数,举例:1,2,3) 3、假设你有一个小的索引,并且你有集群中有足够的节点,请尝试使用默认值分片数5。

步骤5:评估索引数和类型。

(此处可能会有多次反馈迭代)

3、数据去重的思考?

方法1:指定唯一id

缺点: 1、唯一值无法压缩,不利于存储。 2、存在高基数问题。

方法2:用聚合方法实现

步骤1:所有文档加一个Hash值; 步骤2:检查重复;

GET *_index/_search {
    "size":0,
     "aggs":{
        "duplicate":{
            "terms":{
                 "field":"hash",
                 "min_doc_count":2,
                 "size":5000
            },
             "aggs":{
                 "documents":{
                     "top_hits":{
                         "size":2
                     }
                 }
             }
         }
     } }

步骤3:批量删除步骤2中的重复id。 以上步骤,不影响写入,可以实现异步。

缺点: 1、存储量大(尤其超过3亿条+); 2、随着数据量增加,聚合受影响,越来越慢。 3、存在高基数问题。

方法3:用distinct query实现

深入方法待进一步探讨。

4、小结

以上内容是Elasticsearch南京分享会20180630上的分享核心笔记。 具体PPT地址:https://elasticsearch.cn/slides/115 很受用的分析步骤和实战经验,实战中都可以用得上。

原文发布于微信公众号 - 铭毅天下(gh_0475cf887cf7)

原文发表时间:2018-07-03

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏码农阿宇

海量数据即时查询引擎ElasticSearch入门 附.Net Core例子

Elasticsearch是基于Lucene的搜索引擎。它提供了一个分布式,支持多租户的全文搜索引擎,它具有HTTP Web界面和无模式JSON文档。 Elas...

1722
来自专栏涤生的博客

天池中间件大赛——单机百万消息队列存储设计与实现

这次天池中间件性能大赛初赛和复赛的成绩都正好是第五名,本次整理了复赛《单机百万消息队列的存储设计》的思路方案分享给大家,实现方案上也是决赛队伍中相对比较特别的。

1561
来自专栏hotqin888的专栏

如何在 Windows 上 使用 ONLYOFFICE 协作编辑文档

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/hotqin888/article/det...

1732
来自专栏芋道源码1024

从客户端的角度设计后端的接口

2.请求Path,http://www.online.com/api/ [path]

1193
来自专栏搜云库

Spring Boot 中使用 MongoDB 增删改查

本文快速入门,MongoDB 结合SpringBoot starter-data-mongodb 进行增删改查

4667
来自专栏程序员的SOD蜜

“设计应对变化”--实例讲解一个数据同步系统

 系列文章索引: [WCF邮件通信系统应用 之 数据同步程序 之 设计内幕 之 一] 同步一个数据库要发多少个数据包? [WCF邮件通信系统应用 之 数据同步...

2247
来自专栏Danny的专栏

【项目实战】——Java实现伪静态——urlrewrite

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/huyuyang6688/article/...

1294
来自专栏阿北的知识分享

yii2开发中19条推荐实践

这个是做yii2开发的基石,除非没有办法使用,否则请不要放弃,除了更容易的安装yii2及第三方扩展外,能使用Composer代表着你的服务器最少能运行起来php...

3166
来自专栏码农阿宇

ElasticSearch入门 附.Net Core例子

Elasticsearch是基于Lucene的搜索引擎。它提供了一个分布式,支持多租户的全文搜索引擎,它具有HTTP Web界面和无模式JSON文档。 Elas...

1711
来自专栏云计算

JClouds的命令行界面

我已经使用jclouds一年多了,也一直为它的进步做贡献。目前为止,我已经在很多领域广泛地使用它,特别是在 Fuse Ecosystem 。总之,它是一个特别棒...

2197

扫码关注云+社区