大流量下的 ElasticSearch 搜索演进

  • 时间:
  • 浏览:0
  • 来源:幸运快3_快3下载app送28_幸运快3下载app送28

这是泥瓦匠(bysocket.com)的第27篇精华分享

ES (ElasticSearch)是分布式搜索引擎。引擎太晦涩,确实类式另一1个多 MySQL ,另一1个多存储。方便提供下面功能:

  • 近实时搜索
  • 全文检索,行态化搜索,统计分析

这么 存储在 ES 数据哪里来?

答案是数据同步。土办法推荐如下:

  1. 数据传输(Data Transmission)是阿里云提供的本身 支持RDBMS(关系型数据库)、NoSQL、OLAP等多种数据源之间数据交互的数据服务。【阿里的】

    https://help.aliyun.com/product/26590.html

  2. 有赞亿级订单同步的探索与实践【小弟我呆的小组搞的】

    https://mp.weixin.qq.com/s/33KACMxXkgzZyIL9m6q4YA

回归到 ES 演进

当时在创业公司,同步每次后会全量的,有并且夜深 任务跑一下即可。并且直接同步往 ES CRUD 数据。

单机伪集群,也可不都能否 跑。具体全文检索思路:

  • 基于「短语匹配」并设置最小匹配权重值
  • 哪来的短语,利用 IK 分词器分词
  • 基于 Fiter 实现筛选
  • 基于 Pageable 实现分页排序

具体看我系列 ES 博客和 GitHub。

类式 量级预估是 百万 / 千万数据同步和查询。

就只能单机伪集群了,运维层面能外理类式 量:

  • 多个 ElasticSearch 运行实例(节点 Node)的组合体是 ElasticSearch 集群
  • 通过水平扩容为集群添加更多节点

咋样水平扩容

主分片在索引创建并且选取 。读操作可不都能否 一块儿被主分片和副分片外理。有并且,更多的分片,会拥有更高的吞吐量。自然,只能增加更多的硬件资源支持吞吐量。说明,这里无法提高性能,并且每个分片获得的资源会变少。动态调整副本分片数,按需伸缩集群,比如把副本数默认值为 1 增加到 2:

PUT /blogs/_settings
{
"number_of_replicas" : 2
}

基本另一1个多集群 Cluster 含着各个业务搜搜:订单、商品等

总是发现另一1个多难题:

  • A 集群后面 的大索引慢查会影响 A 集群的其他小索引。

比如现在同另一1个多 订单 索引大了,慢查。影响了其他业务。那不应该呀,咋办?

答案是:物理隔离为多集群:

  • 分为全都集群:集群订单、集群商品等隔离
  • 多机房支持

往往这并且难题由来了:业务单点咋样优化升级?

另一1个多索引 project , 存储项目相关的数据。项目的数量级这么 大,亿量级,万亿量级。那另一1个多大索引的查询啥的后会冒出瓶颈。这并且该咋办 优化呢?

外理方案:冷热分离;拆分

大索引的拆分,也后会先要。类式分片的路由规则,根据具体业务指定即可。

这里,当我们当我们可不都能否 定义 4000 个索引,分别名为 project_1、project_2、project_3…

有并且在 ES 集群后面 架一层简单的 proxy 。后面 核心的业务路由规则可不都能否 原来:

project_id 项目自增 ID

index_id 得出来的索引对应的 ID

index_id = project_id % 4000

  • 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

冷热分离;也是类式的也不后面 情況的数据最热独立集群独立索引。定期从后面 删除终态数据。这么 类式 索引数据量少,支持搜搜查询量贼大。何乐而不为。

  • 完 -