泥瓦匠：ES 集群上，业务数量级越来越大如何优化

• ES 基础
• ES 集群
• ES 集群上业务优化

一、ES 基础

ES 的安装下载，网上一大片，我这边不在重复。可以看看我以前做的小笔记：

https://www.bysocket.com/?p=1997

其中 ES 三大要素：

• 文档（Document） 文档，在面向对象观念就是一个对象。在 ES 里面，是一个大 JSON 对象，是指定了唯一 ID 的最底层或者根对象。文档的位置由 index、type 和 _id 唯一标识。文档元数据：
  • _index ：文档在哪存放
  • _type ： 文档表示的对象类别
  • _id ：文档唯一标识
• 索引（Index） 索引，用于区分文档成组，即分到一组的文档集合。索引，用于存储文档和使文档可被搜索。比如项目索引命名为 project ，交易索引命名为 trade 等。
• 类型（Type） 类型，用于区分索引中的文档，即在索引中对数据逻辑分区。比如设计项目分为 ui 、 ux 这些类型。可以放在该类目进行区分。但一般操作，很少用到这么复杂的。

可见， _index 索引的重要性。避免某个索引存储不相关的数据。

二、ES 集群

ES 集群搭建，文章很多。我这边也不一一列举了。先看 ES 集群分布式图

集群（Cluster）

跟服务器集群类似，多个 ElasticSearch 运行实例（节点 Node）的组合体是 ElasticSearch 集群。

ElasticSearch 是天然分布式的，可以通过水平扩容为集群添加更多节点。

ElasticSearch 集群是去中心化的，只有一个主节点（Master）。而且主节点是动态选举，因此不会出现单点故障。

那节点是什么？

节点（Node）

上面说过，一个 ElasticSearch 运行实例就是节点。任何节点都可以被选举成为主节点。主节点负责集群内所以变更，比如文档的增加、删除等。所以集群不会因为主节点流量的增大成为瓶颈。因为任何节点都会成为主节点。

如图，P1 P2 P0 是节点内的主分片，其他 R 是副分片。

那分片是什么？

分片（Shard）

分片，是 ES 节点中最小的工作单元。分片仅保存全部数据的一部分。分片包括主分片和副分片，主分片是副分片的拷贝。主分片和副分片基本没有大的区别。

如果是全文搜索，会查询到每个分片，然后将每个分片的结果进行全局地收集，并处理返回。

举个例子：比如新建了一个索引 project , 存储项目相关的数据。那具体的某个 project A 的数据会被切分，存储在不同的分片上。那么根据 project A 的 _id 如何路由到具体的分片上呢？

分片的路由公式是这样的：

shard = hash(routing) % number_of_primary_shards

• hash 函数生成数字，经过取余算法得到余数。余数就是分片的位置。
• routing 是可变值，支持自定义。默认文档 _id
• numberofprimary_shards 主分片的数量

三、ES 集群上业务优化

倘若如果刚刚那个例子，一个索引 project , 存储项目相关的数据。项目的数量级越来越大，亿量级，万亿量级。那一个大索引的查询啥的都会出现瓶颈。这时候该怎么优化呢？

这时候是不是想到了，一句常说的：空间换时间。 这时候是不是也想到了，MySQL 分库

所以大索引的拆分，也不是很难。类似分片的路由规则，根据具体业务指定即可。

这里，我们可以定义 1000 个索引，分别名为 project1、project2、project_3...

然后在 ES 集群上面架一层简单的 proxy 。里面核心的业务路由规则可以这样：

index_id = project_id % 1000

• project_id 项目自增 ID
• index_id 得出来的索引对应的 ID

总结一张图：

• ES proxy 层：做总索引和真正分索引的映射
• ES 索引配置管理：做索引与业务的映射
• ES 集群：就是上面讲的

资料：

https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping-index-field.html