图解ElasticSearch 搜索原理
点击上方蓝色“方志朋”,选择“设为星标”
回复“666”获取独家整理的学习资料!
来源:https://www.cnblogs.com/richaaaard/p/5226334.html
摘要
先自上而下,后自底向上的介绍ElasticSearch的底层工作原理,试图回答以下问题:
为什么我的搜索
*foo-bar*
无法匹配foo-bar
?为什么增加更多的文件会压缩索引(Index)?
为什么ElasticSearch占用很多内存?
版本
elasticsearch版本: elasticsearch-2.2.0
内容
图解ElasticSearch
云上的集群
集群里的盒子
云里面的每个白色正方形的盒子代表一个节点——Node。
节点之间
在一个或者多个节点直接,多个绿色小方块组合在一起形成一个ElasticSearch的索引。
索引里的小方块
在一个索引下,分布在多个节点里的绿色小方块称为分片——Shard。
Shard=Lucene Index
一个ElasticSearch的Shard本质上是一个Lucene Index。
Lucene是一个Full Text 搜索库(也有很多其他形式的搜索库),ElasticSearch是建立在Lucene之上的。接下来的故事要说的大部分内容实际上是ElasticSearch如何基于Lucene工作的。
图解Lucene
Mini索引——segment
在Lucene里面有很多小的segment,我们可以把它们看成Lucene内部的mini-index。
Segment内部
有着许多数据结构
Inverted Index
Stored Fields
Document Values
Cache
最最重要的Inverted Index
Inverted Index主要包括两部分:
一个有序的数据字典Dictionary(包括单词Term和它出现的频率)。
与单词Term对应的Postings(即存在这个单词的文件)。
当我们搜索的时候,首先将搜索的内容分解,然后在字典里找到对应Term,从而查找到与搜索相关的文件内容。
查询“the fury”
自动补全(AutoCompletion-Prefix)
如果想要查找以字母“c”开头的字母,可以简单的通过二分查找(Binary Search)在Inverted Index表中找到例如“choice”、“coming”这样的词(Term)。
昂贵的查找
如果想要查找所有包含“our”字母的单词,那么系统会扫描整个Inverted Index,这是非常昂贵的。
在此种情况下,如果想要做优化,那么我们面对的问题是如何生成合适的Term。
问题的转化
对于以上诸如此类的问题,我们可能会有几种可行的解决方案:
* suffix -> xiffus *
如果我们想以后缀作为搜索条件,可以为Term做反向处理。
(60.6384, 6.5017) -> u4u8gyykk
对于GEO位置信息,可以将它转换为GEO Hash。
123 -> {1-hundreds, 12-tens, 123}
对于简单的数字,可以为它生成多重形式的Term。
解决拼写错误
一个 为单词生成了一个包含错误拼写信息的树形状态机,解决拼写错误的问题。
Stored Field字段查找
当我们想要查找包含某个特定标题内容的文件时,Inverted Index就不能很好的解决这个问题,所以Lucene提供了另外一种数据结构Stored Fields来解决这个问题。本质上,Stored Fields是一个简单的键值对key-value。默认情况下,ElasticSearch会存储整个文件的JSON source。
Document Values为了排序,聚合
即使这样,我们发现以上结构仍然无法解决诸如:排序、聚合、facet,因为我们可能会要读取大量不需要的信息。
所以,另一种数据结构解决了此种问题:Document Values。这种结构本质上就是一个列式的存储,它高度优化了具有相同类型的数据的存储结构。
为了提高效率,ElasticSearch可以将索引下某一个Document Value全部读取到内存中进行操作,这大大提升访问速度,但是也同时会消耗掉大量的内存空间。
总之,这些数据结构Inverted Index、Stored Fields、Document Values及其缓存,都在segment内部。
搜索发生时
搜索时,Lucene会搜索所有的segment然后将每个segment的搜索结果返回,最后合并呈现给客户。
Lucene的一些特性使得这个过程非常重要:
Segments是不可变的(immutable)
Delete? 当删除发生时,Lucene做的只是将其标志位置为删除,但是文件还是会在它原来的地方,不会发生改变
Update? 所以对于更新来说,本质上它做的工作是:先删除,然后重新索引(Re-index)
随处可见的压缩
Lucene非常擅长压缩数据,基本上所有教科书上的压缩方式,都能在Lucene中找到。
缓存所有的所有
Lucene也会将所有的信息做缓存,这大大提高了它的查询效率。
缓存的故事
当ElasticSearch索引一个文件的时候,会为文件建立相应的缓存,并且会定期(每秒)刷新这些数据,然后这些文件就可以被搜索到。
随着时间的增加,我们会有很多segments,
所以ElasticSearch会将这些segment合并,在这个过程中,segment会最终被删除掉
这就是为什么增加文件可能会使索引所占空间变小,它会引起merge,从而可能会有更多的压缩。
举个栗子
有两个segment将会merge
这两个segment最终会被删除,然后合并成一个新的segment
这时这个新的segment在缓存中处于cold状态,但是大多数segment仍然保持不变,处于warm状态。
以上场景经常在Lucene Index内部发生的。
在Shard中搜索
ElasticSearch从Shard中搜索的过程与Lucene Segment中搜索的过程类似。
与在Lucene Segment中搜索不同的是,Shard可能是分布在不同Node上的,所以在搜索与返回结果时,所有的信息都会通过网络传输。
需要注意的是:
1次搜索查找2个shard = 2次分别搜索shard
对于日志文件的处理
当我们想搜索特定日期产生的日志时,通过根据时间戳对日志文件进行分块与索引,会极大提高搜索效率。
当我们想要删除旧的数据时也非常方便,只需删除老的索引即可。
在上种情况下,每个index有两个shards
如何Scale
shard不会进行更进一步的拆分,但是shard可能会被转移到不同节点上
所以,如果当集群节点压力增长到一定的程度,我们可能会考虑增加新的节点,这就会要求我们对所有数据进行重新索引,这是我们不太希望看到的,所以我们需要在规划的时候就考虑清楚,如何去平衡足够多的节点与不足节点之间的关系。
节点分配与Shard优化
为更重要的数据索引节点,分配性能更好的机器
确保每个shard都有副本信息replica
路由Routing
每个节点,每个都存留一份路由表,所以当请求到任何一个节点时,ElasticSearch都有能力将请求转发到期望节点的shard进一步处理。
一个真实的请求
Query
Query有一个类型filtered,以及一个multi_match的查询
Aggregation
根据作者进行聚合,得到top10的hits的top10作者的信息
请求分发
这个请求可能被分发到集群里的任意一个节点
上帝节点
这时这个节点就成为当前请求的协调者(Coordinator),它决定:
根据索引信息,判断请求会被路由到哪个核心节点
以及哪个副本是可用的
等等
路由
在真实搜索之前
ElasticSearch 会将Query转换成Lucene Query
然后在所有的segment中执行计算
对于Filter条件本身也会有缓存
但queries不会被缓存,所以如果相同的Query重复执行,应用程序自己需要做缓存
所以,
filters可以在任何时候使用
query只有在需要score的时候才使用
返回
搜索结束之后,结果会沿着下行的路径向上逐层返回。
参考
参考来源:
SlideShare: Elasticsearch From the Bottom Up
Youtube: Elasticsearch from the bottom up
Wiki: Document-term matrix
Wiki: Search engine indexing
Skip list
Standford Edu: Faster postings list interp via skip pointers
StackOverflow: how an search index works when querying many words?
StackOverflow: how does lucene calculate interp of documents so fast?
Lucene and its magical indexes
misspellings 2.0c: A tool to detect misspellings
热门内容:
优雅地处理重复请求(并发请求)——附Java实现
SpringBoot集成Swagger-Bootstrap-UI,页面更清爽!
"服务不可用"怎么排查?讲了100遍还是记不住?
SpringBoot开发微信公众号
最近面试BAT,整理一份面试资料《Java面试BAT通关手册》,覆盖了Java核心技术、JVM、Java并发、SSM、微服务、数据库、数据结构等等。获取方式:点“在看”,关注公众号并回复 666 领取,更多内容陆续奉上。
明天见(。・ω・。)ノ♡
图解ElasticSearch 搜索原理相关推荐
- 图解 ElasticSearch 搜索原理
摘要 先自上而下,后自底向上的介绍ElasticSearch的底层工作原理,试图回答以下问题: 为什么我的搜索 *foo-bar* 无法匹配 foo-bar ? 为什么增加更多的文件会压缩索引(Ind ...
- 漫画图解 ElasticSearch 搜索原理
你知道的越多,不知道的就越多,业余的像一棵小草! 你来,我们一起精进!你不来,我和你的竞争对手一起精进! 编辑:业余草 cnblogs.com/richaaaard/p/5226334.html 推荐 ...
- 图解 Elasticsearch 原理
摘要 先自上而下,后自底向上的介绍ElasticSearch的底层工作原理,试图回答以下问题: 为什么我的搜索 *foo-bar* 无法匹配 *foo-bar* ? 为什么增加更多的文件会压缩索引(I ...
- 图解elasticsearch原理转载自
转载自 图解elasticsearch原理 版本 elasticsearch版本: elasticsearch-2.x 内容 图解ElasticSearch 云上的集群 集群里的盒子 云里面的每个白 ...
- 图解 ElasticSearch 原理,太牛了
作者:Richaaaard 来源:https://www.cnblogs.com/richaaaard/ Elasticsearch 是一款功能强大的开源分布式搜索与数据分析引擎,目前国内诸多互联网大 ...
- ElasticSearch:图解ElasticSearch的搜索过程
目录 摘要 版本 内容 图解ElasticSearch 图解Lucene 搜索发生时 缓存的故事 在Shard中搜索 如何Scale - 扩展? 一个真实的请求 参考 结束 摘要 先自上而下,后自底向 ...
- ElasticSearch搜索底层基础原理总结
目录: 1._search结果分析 2.multi-index和multi-type 3.分页查询与deep paging 4.query DSL和query string 5.mapping 6.倒 ...
- 【ES】ElasticSearch搜索的底层原理?倒排索引和TF-IDF打分算法
Elasticsearch搜索的底层原理 ES搜索是分词后,每个字可以利用FST高速找到倒排索引的位置,并迅速获取文档id列表,大大的提升了性能,减少磁盘IO. ES的搜索原理就是倒排索引 + TF- ...
- promise用法_图解 Promise 实现原理(四):Promise 静态方法实现
作者:Morrain 转发链接:https://mp.weixin.qq.com/s/Lp_5BXdpm7G29Z7zT_S-bQ 前言 Promise 是异步编程的一种解决方案,它由社区最早提出和实 ...
最新文章
- poj2559/SP1805 Largest Rectangle in a Histogram
- java p代表哪种数据类型_java数据类型(八种基本数据类型+三种引用类型)
- 繁忙的都市(信息学奥赛一本通-T1392)
- Silverlight 4处理StartWith的BUG
- 逐行读取txt文件中_Spring系列八:Spring 中读取文件-ResourceLoaderAware
- java double 存储_可以存储在double中的最大整数
- 高德地图登陆显示服务器忙,用高德地图导航时,登录账号和不登录账号有很大区别?你知道吗?...
- Win11如何重置电脑 Win11重置电脑教程
- F(x) - NU ABO 韩中(繁)ass字幕
- 小猫爪:PMSM之FOC控制07-有传感器的速度环
- 计算机教学学期小结,学年第一学期信息技术教学工作总结
- Linux(Ubuntu)下C语言编译与调试
- mxnet的rec数据中还原图片
- Soul Knight破解小记
- 带证书的https接口访问
- ata计算机考试试题以及答案,ata计算机统考第一套模拟练习题.doc
- UDE(Universal Debug Engine) - 程序烧录
- 自监督模型---HCSC
- 中国半导体分立器件市场发展潜力巨大
- android开发新浪微博客户端 完整攻略
热门文章
- 13,matlab中的 classdef定义类的使用
- Extjs Ext.TreePanel
- 利用UltimateAndroid框架进行快速开发
- SD卡的控制方法(指令集和控制时序)
- [转载]MaxtoCode对.Net程序加密的原理及解密探讨三(实例解密)
- 2021CCF BDCI 大数据与计算智能大赛参赛指南
- 【怎样写代码】参数化类型 -- 泛型(五):泛型类
- Matlab与线性代数 -- 单位矩阵
- 无限想象空间,用Python玩转3D人体姿态估计
- 它估值25亿!被马云领投,是华为“老战友”,网友:也许股价能超茅台!