ElasticSearch教程（三）—— 懂原理

懂原理

集群

集群是有一群配置相同cluster.name的节点组成。它们通过广播通信，所以要放在一个网段的内网。

集群节点和身份

master :master管理集群范围内所有索引，和索引所在节点。当有节点加入和删除时，重新平均分布所有数据。

data :存储文档

集群状态

通过GET /_cluster/health查看集群状态。

{
    "cluster_name": "elasticsearch",
    "status": "yellow",
    "timed_out": false,
    "number_of_nodes": 1,
    "number_of_data_nodes": 1,
    "active_primary_shards": 5,
    "active_shards": 5,
    "relocating_shards": 0,
    "initializing_shards": 0,
    "unassigned_shards": 5,
    "delayed_unassigned_shards": 0,
    "number_of_pending_tasks": 0,
    "number_of_in_flight_fetch": 0,
    "task_max_waiting_in_queue_millis": 0,
    "active_shards_percent_as_number": 50.0
}

主要看的是status，有green，yellow，red三种情况。green是所有主分片和副本分片都在运行，yellow是主分片都在运行，有部分副本副片没有运行，red是有主分片没有运行。

分片内部

索引指向一个或多个物理分片。一节点上可以分配多个分片。一个分片是一个底层的工作单元，它就是一个Lucene实例。一个分片就是一个完整的搜索引擎。它存储实际的数据。分片有两个角色，主分片和副分片。主分片插入修改文档，副分片同步主分片。主副分片都能提供检索功能。

创建一个索引并分配3个主分片，并分配一个副分片。

curl -X PUT "localhost:9200/blogs" -H "content-type:application/json" -d '
{
"settings":{         
"number_of_shards":3,
"number_of_replicas":1
}
} 
' 

分片内部是如何检索文档呢？是用倒排索引。ES的倒排索引，除了特定词项出现的文档列表，还会加上词项出现总次数，词项在文档中的顺序，每个文档的长度，所有文档的平均长度等。

全文检索时，会为所有的文档集合建立一个很大的倒排索引表。这个倒排索引表很大，且不可修改，一旦新的索引就绪，就会替换旧的索引。

不变性：倒排索引是不会能被修改的，这样避免了一下问题。

1. 多线程修改文档时，需要对文档加锁
2. 倒排索引一旦加载就会被放入内存中，就会留在那里，只要有内存，大部分读请求直接命中内存，而不会命中磁盘，性能更高。
3. ES的其他缓存（filter），在倒排索引的有效期内始终有效，不会因为数据的变化而变化，因为数据（倒排索引）是不变的。
4. 写入单个大数据量的倒排索引允许被压缩。

缺点是倒排索引的不变性，当索引发生修改时，需要重新的重新生成倒排索引，它限制了倒排索引更新的频率。

对于实时，动态的更新倒排索引，实际的方法是用更多的倒排索引，即对于修改的部分，新增一个倒排索引。ES检索倒排索引时，会重最开始的倒排索引一直检索到最后的倒排索引。并把结果最后合并。

这里段是一个很重要的概念。