ES 18 - (底層原理) Elasticsearch寫入索引數據的過程 以及優化寫入過程

目錄

• 1 Lucene操作document的流程
  • 1.1 添加document的流程
  • 1.2 刪除document的流程
• 2 優化寫入流程 - 實現近實時搜索
  • 2.1 流程的改進思路
  • 2.2 設置refresh的間隔
• 3 優化寫入流程 - 實現持久化變更
  • 3.1 文檔持久化到磁盤的流程
  • 3.2 基於translog和commit point的數據恢復
• 4 優化寫入流程 - 實現海量segment文件的歸並
  • 4.1 存在的問題
  • 4.2 merge操作的流程
  • 4.3 優化merge的配置項
  • 4.4 optimize接口的使用
• 參考資料
• 版權聲明

1 Lucene操作document的流程

Lucene將index數據分為segment(段)進行存儲和管理.

Lucene中, 倒排索引一旦被創建就不可改變, 要添加或修改文檔, 就需要重建整個倒排索引, 這就對一個index所能包含的數據量, 或index可以被更新的頻率造成了很大的限制.

為了在保留不變性的前提下實現倒排索引的更新, Lucene引入了一個新思路: 使用更多的索引, 也就是通過增加新的補充索引來反映最新的修改, 而不是直接重寫整個倒排索引.

—— 這樣就能確保, 從最早的版本開始, 每一個倒排索引都會被查詢到, 查詢完之后再對結果進行合並.

1.1 添加document的流程

① 將數據寫入buffer(內存緩沖區);

② 執行commit操作: buffer空間被占滿, 其中的數據將作為新的 index segment 被commit到文件系統的cache(緩存)中;

③ cache中的index segment通過fsync強制flush到系統的磁盤上;

④ 寫入磁盤的所有segment將被記錄到commit point(提交點)中, 並寫入磁盤;

④ 新的index segment被打開, 以備外部檢索使用;

⑤ 清空當前buffer緩沖區, 等待接收新的文檔.

說明:

(a) fsync是一個Unix系統調用函數, 用來將內存緩沖區buffer中的數據存儲到文件系統. 這里作了優化, 是指將文件緩存cache中的所有segment刷新到磁盤的操作.

(b) 每個Shard都有一個提交點(commit point), 其中保存了當前Shard成功寫入磁盤的所有segment.

1.2 刪除document的流程

① 提交刪除操作, 先查詢要刪除的文檔所屬的segment;

② commit point中包含一個.del文件, 記錄哪些segment中的哪些document被標記為deleted了;

③ 當.del文件中存儲的文檔足夠多時, ES將執行物理刪除操作, 徹底清除這些文檔.

• 在刪除過程中進行搜索操作:

  依次查詢所有的segment, 取得結果后, 再根據.del文件, 過濾掉標記為deleted的文檔, 然后返回搜索結果. —— 也就是被標記為delete的文檔, 依然可以被查詢到.

• 在刪除過程中進行更新操作:

  將舊文檔標記為deleted, 然后將新的文檔寫入新的index segment中. 執行查詢請求時, 可能會匹配到舊版本的文檔, 但由於.del文件的存在, 不恰當的文檔將被過濾掉.

2 優化寫入流程 - 實現近實時搜索

2.1 流程的改進思路

(1) 現有流程的問題:

插入的新文檔必須等待fsync操作將segment強制寫入磁盤后, 才可以提供搜索.而 fsync操作的代價很大, 使得搜索不夠實時.

(2) 改進寫入流程:

① 將數據寫入buffer(內存緩沖區);

② 不等buffer空間被占滿, 而是每隔一定時間(默認1s), 其中的數據就作為新的index segment被commit到文件系統的cache(緩存)中;

③ index segment 一旦被寫入cache(緩存), 就立即打開該segment供搜索使用;

④ 清空當前buffer緩沖區, 等待接收新的文檔.

—— 這里移除了fsync操作, 便於后續流程的優化.

優化的地方: 過程②和過程③:

segment進入操作系統的緩存中就可以提供搜索, 這個寫入和打開新segment的輕量過程被稱為refresh.

2.2 設置refresh的間隔

Elasticsearch中, 每個Shard每秒都會自動refresh一次, 所以ES是近實時的, 數據插入到可以被搜索的間隔默認是1秒.

(1) 手動refresh —— 測試時使用, 正式生產中請減少使用:

# 刷新所有索引:
POST _refresh
# 刷新某一個索引: 
POST employee/_refresh

(2) 手動設置refresh間隔 —— 若要優化索引速度, 而不注重實時性, 可以降低刷新頻率:

# 創建索引時設置, 間隔1分鍾: 
PUT employee
{
    "settings": {
        "refresh_interval": "1m"
    }
}
# 在已有索引中設置, 間隔10秒: 
PUT employee/_settings
{
    "refresh_interval": "10s"
}

(3) 當你在生產環境中建立一個大的新索引時, 可以先關閉自動刷新, 要開始使用該索引時再改回來:

# 關閉自動刷新: 
PUT employee/_settings
{
    "refresh_interval": -1 
} 
# 開啟每秒刷新: 
PUT employee/_settings
{
    "refresh_interval": "1s"
} 

3 優化寫入流程 - 實現持久化變更

Elasticsearch通過事務日志(translog)來防止數據的丟失 —— durability持久化.

3.1 文檔持久化到磁盤的流程

① 索引數據在寫入內存buffer(緩沖區)的同時, 也寫入到translog日志文件中;

② 每隔refresh_interval的時間就執行一次refresh:

(a) 將buffer中的數據作為新的 index segment, 刷到文件系統的cache(緩存)中;
(b) index segment一旦被寫入文件cache(緩存), 就立即打開該segment供搜索使用;

③ 清空當前內存buffer(緩沖區), 等待接收新的文檔;

④ 重復①~③, translog文件中的數據不斷增加;

⑤ 每隔一定時間(默認30分鍾), 或者當translog文件達到一定大小時, 發生flush操作, 並執行一次全量提交:

(a) 將此時內存buffer(緩沖區)中的所有數據寫入一個新的segment, 並commit到文件系統的cache中;
(b) 打開這個新的segment, 供搜索使用;
(c) 清空當前的內存buffer(緩沖區);
(d) 將translog文件中的所有segment通過fsync強制刷到磁盤上;
(e) 將此次寫入磁盤的所有segment記錄到commit point中, 並寫入磁盤;
(f) 刪除當前translog, 創建新的translog接收下一波創建請求.

擴展: translog也可以被用來提供實時CRUD.

當通過id查詢、更新、刪除一個文檔時, 從segment中檢索之前, 先檢查translog中的最新變化 —— ES總是能夠實時地獲取到文檔的最新版本.

共計：3599 個字

3.2 基於translog和commit point的數據恢復

(1) 關於translog的配置:

flush操作 = 將translog中的記錄刷到磁盤上 + 更新commit point信息 + 清空translog文件.

Elasticsearch默認: 每隔30分鍾就flush一次;
或者: 當translog文件的大小達到上限(默認為512MB)時主動觸發flush.

相關配置為:

# 發生多少次操作(累計多少條數據)后進行一次flush, 默認是unlimited: 
index.translog.flush_threshold_ops

# 當translog的大小達到此預設值時, 執行一次flush操作, 默認是512MB: 
index.translog.flush_threshold_size

# 每隔多長時間執行一次flush操作, 默認是30min:
index.translog.flush_threshold_period

# 檢查translog、並執行一次flush操作的間隔. 默認是5s: ES會在5-10s之間進行一次操作: 
index.translog.interval

(2) 數據的故障恢復:

① 增刪改操作成功的標志: segment被成功刷新到Primary Shard和其對應的Replica Shard的磁盤上, 對應的操作才算成功.

② translog文件中存儲了上一次flush(即上一個commit point)到當前時間的所有數據的變更記錄. —— 即translog中存儲的是還沒有被刷到磁盤的所有最新變更記錄.

③ ES發生故障, 或重啟ES時, 將根據磁盤中的commit point去加載已經寫入磁盤的segment, 並重做translog文件中的所有操作, 從而保證數據的一致性.

(3) 異步刷新translog:

為了保證不丟失數據, 就要保護translog文件的安全:

Elasticsearch 2.0之后, 每次寫請求(如index、delete、update、bulk等)完成時, 都會觸發fsync將translog中的segment刷到磁盤, 然后才會返回200 OK的響應;

或者: 默認每隔5s就將translog中的數據通過fsync強制刷新到磁盤.

—— 提高數據安全性的同時, 降低了一點性能.

==> 頻繁地執行fsync操作, 可能會產生阻塞導致部分操作耗時較久. 如果允許部分數據丟失, 可設置異步刷新translog來提高效率.

PUT employee/_settings
{
    "index.translog.durability": "async",
    "index.translog.sync_interval": "5s"
}

4 優化寫入流程 - 實現海量segment文件的歸並

4.1 存在的問題

由上述近實時性搜索的描述, 可知ES默認每秒都會產生一個新的segment文件, 而每次搜索時都要遍歷所有的segment, 這非常影響搜索性能.

為解決這一問題, ES會對這些零散的segment進行merge(歸並)操作, 盡量讓索引中只保有少量的、體積較大的segment文件.

這個過程由獨立的merge線程負責, 不會影響新segment的產生.

同時, 在merge段文件(segment)的過程中, 被標記為deleted的document也會被徹底物理刪除.

4.2 merge操作的流程

① 選擇一些有相似大小的segment, merge成一個大的segment;
② 將新的segment刷新到磁盤上;
③ 更新commit文件: 寫一個新的commit point, 包括了新的segment, 並刪除舊的segment;
④ 打開新的segment, 完成搜索請求的轉移;
⑤ 刪除舊的小segment.

4.3 優化merge的配置項

segment的歸並是一個非常消耗系統CPU和磁盤IO資源的任務, 所以ES對歸並線程提供了限速機制, 確保這個任務不會過分影響到其他任務.

(1) 歸並線程的速度限制:

限速配置 indices.store.throttle.max_bytes_per_sec的默認值是20MB, 這對寫入量較大、磁盤轉速較高的服務器來說明顯過低.

對ELK Stack應用, 建議將其調大到100MB或更高. 可以通過API設置, 也可以寫在配置文件中:

PUT _cluster/settings
{
    "persistent" : {
        "indices.store.throttle.max_bytes_per_sec" : "100mb"
    }
}
// 響應結果如下: 
{
    "acknowledged": true,
    "persistent": {
        "indices": {
            "store": {
                "throttle": {
                    "max_bytes_per_sec": "100mb"
                }
            }
        }
    },
    "transient": {}
}

(2) 歸並線程的數目:

推薦設置為CPU核心數的一半, 如果磁盤性能較差, 可以適當降低配置, 避免發生磁盤IO堵塞:

PUT employee/_settings
{
    "index.merge.scheduler.max_thread_count" : 8
}

(3) 其他策略:

# 優先歸並小於此值的segment, 默認是2MB:
index.merge.policy.floor_segment

# 一次最多歸並多少個segment, 默認是10個: 
index.merge.policy.max_merge_at_once

# 一次直接歸並多少個segment, 默認是30個
index.merge.policy.max_merge_at_once_explicit

# 大於此值的segment不參與歸並, 默認是5GB. optimize操作不受影響
index.merge.policy.max_merged_segment

4.4 optimize接口的使用

segment的默認大小是5GB, 在非常龐大的索引中, 仍然會存在很多segment, 這對文件句柄、內存等資源都是很大的浪費.

但由於歸並任務非常消耗資源, 所以一般不會選擇加大 index.merge.policy.max_merged_segment 配置, 而是在負載較低的時間段, 通過optimize接口強制歸並segment:

# 強制將segment歸並為1個大的segment: 
POST employee/_optimize?max_num_segments=1

# 在終端中的操作方法: 
curl -XPOST http://ip:5601/employee/_optimize?max_num_segments=1

optimize線程不會受到任何資源上的限制, 所以不建議對還在寫入數據的熱索引(動態索引)執行這個操作.

實戰建議: 對一些很少發生變化的老索引, 如日志信息, 可以將每個Shard下的segment合並為一個單獨的segment, 節約資源, 還能提高搜索效率.

參考資料

Elasticsearch 基礎理論 & 配置調優

https://www.elastic.co/guide/cn/elasticsearch/guide/current/making-text-searchable.html

https://www.elastic.co/guide/cn/elasticsearch/guide/current/near-real-time.html

https://www.elastic.co/guide/cn/elasticsearch/guide/current/translog.html

https://www.elastic.co/guide/cn/elasticsearch/guide/current/merge-process.html

版權聲明

作者: 馬瘦風

出處: 博客園 馬瘦風的博客

感謝閱讀, 如果文章有幫助或啟發到你, 點個[好文要頂👆] 或 [推薦👍] 吧😜

本文版權歸博主所有, 歡迎轉載, 但[必須在文章頁面明顯位置給出原文鏈接], 否則博主保留追究相關人員法律責任的權利.