Es知识整理

一、Es是如何实现分布式的

1.Es本身基于lucene,高度支持分布式的核心思想就在于，在多个服务器上启动多个Es进程实例，组建了一套Es集群。

2.其次，因为shard分片的应用，非常灵活的支持数据量横向扩展（只需要重建一个索引，多加shard，把数据迁进去）。再者说shard的数据其实是有多个备份，每个shard都会有一个primary shard，负责写数据，写入数据后，会将数据同步到其他的replica shard上。（ps : 主shard 和 复制shard 可以不在相同的服务器上，如果某个机器宕机了，别的机器上依然有数据备份）

3.Es集群会自动选举一个master节点， 负责一些管理工作（比如维护索引元数据、负责切换 primary shard 和 replica shard 身份等），如果master节点宕机了，会重新选举一个新的master。

4.非master节点宕机时，master节点会让宕机节点的primary shard 身份转移给其他节点。如果宕机节点修好了，那它也只能是replica shard了。（保证集群正常）。

 

二、Es 写数据操作

1.客户端随机选了一个节点1触发请求，该节点1成为 协调节点。

2.协调节点对这个写入的document进行路由，将数据发送给有primary shard的节点2。

3.节点2写数据，并将数据同步给所有的replica shard节点。

4.协调节点如果发现 primary shard 和 各 replica shard 都将数据搞定之后，响应客户端。

 

三、Es读数据操作

1.客户端随机选了一个节点1触发请求，该节点1成为 协调节点。

2.协调节点对请求过来的文档id进行hash路由，使用随机轮训算法（保证读数据负载均衡）从所有的primary shard 的node 和复制节点的node里挑一个节点2，将请求指给对应的节点2。

3.节点2将数据document 响应给协调节点1。

4.协调节点1 将数据响应给客户端。

 

四、Es搜索数据操作

1.客户端随机选了一个节点1触发请求，该节点1成为 协调节点。

2.协调节点将搜索的内容转发到所有的shard。

3.每个shard 将自己的搜索结果 其实也就是一些document_id。返回给协调节点1。协调节点进行合并、排序、分页等。

4.协调节点1根据每个shard发挥的document_id去各个节点上拉去实际的document数据，最终响应给客户端。

 

五、Es为什么快

首先要知道什么是倒排索引，引用大佬的图。

 

 

1.倒排索引就是关键词到文档id 多对多的一个映射关系。

着重注意两点：

　　a.倒排索引中的关键词词项本身就是有个升序排列的顺序的。

　　b.每个关键词在倒排所以里又直接对应着所有相关的document_id。

2.Es通过词项索引(term index)---(缓存到内存中的一棵树，包含的是term的一些前缀)快速找到了对应的term（关键词）的大概位置（后续还需要再去term dictionary里按顺序精确找到具体的term）。再通过倒排文件快速定位到具体的document。

Es 比 Mysql 快的原因，主要是Mysql 只有通过索引和搜索结果之间的一种映射关系（在索引的b+树上）,检错一个关键词需要若干次的磁盘操作。而Es则是通过词项索引（基于内存）快速定位到了term dictionary的具体block位置，再去磁盘上查找document，减少了磁盘操作。

参考大佬文章：https://blog.csdn.net/qq924862077/article/details/80382634