Elasticsearch系列---分布式架构机制讲解
概要
本篇主要介绍Elasticsearch的数据索引时的分片机制，集群发现机制，primary shard与replica shard是如何分工合作的，如何对集群扩容，以及集群的容错机制。
分片机制
前面基本概念一节中，我们有提到建立索引时，会自动将数据拆分到多个分片（shard）中，默认数量是5，这个就是索引数据分片机制。我们在往Elasticsearch集群插入数据，并没有关心过数据最终落地到哪个shard上，这个过程对客户端来讲是透明的。
document路由原理
document要存储到Elasticsearch中，还要满足后续搜索的需求，路由到分片位置的算法肯定不能是随机的，要不然搜索就没法找了，路由的过程有一个公式：
shard = hash(routing) % number_of_primary_shards
routing值默认是document的ID值，也可以自行指定。先对routing信息求hash值，然后将hash结果对primary_shard的数量求模，比如说primary_shard是5，那么结果肯定落在[0,4]区间内，这个结果值就是该document的分片位置，如示意图所示：
这个求模公式间接的解释了为什么了索引创建时指定了primary shard的值，后续就不让改了，模数改了，之前路由的document再执行该公式时，值就可能跟改之前得到的值不一致，这样document就找不到了，如示意图所示：
集群发现机制
在同一个网络环境下，只要启动一个Elasticsearch实例，并且cluster.name配置得一样，这个Elasticsearch实例就会自动加入到集群当中，这个是如何实现的？
这个依赖于Elasticsearch的自动发现机制Zen，在elasticsearch.yml配置文件中，有一行
discovery.zen.ping.unicast.hosts: ["192.168.17.137"]
表示单播发现方式，当该Elasticsearch实例启动时，会向192.168.17.137主机发送请求，并得到整个集群里所有节点的状态，然后去联系master节点，并加入集群。
摘抄了获取配置信息，注册discovery请求的部分源码如下：
org.elasticsearch.discovery.zen.ZenDiscovery启动时的构造器，会调用org.elasticsearch.discovery.zen.UnicastZenPing的构造器，其中UnicastZenPing的构造方式内会加载discovery.zen.ping.unicast.hosts配置项，并发送"internal:discovery/zen/unicast"请求（代码有删节）：
public UnicastZenPing(Settings settings, ThreadPool threadPool, TransportService transportService,
UnicastHostsProvider unicastHostsProvider, PingContextProvider contextProvider) {
super(settings);
final int concurrentConnects = DISCOVERY_ZEN_PING_UNICAST_CONCURRENT_CONNECTS_SETTING.get(settings);
if (DISCOVERY_ZEN_PING_UNICAST_HOSTS_SETTING.exists(settings)) {
configuredHosts = DISCOVERY_ZEN_PING_UNICAST_HOSTS_SETTING.get(settings);
// we only limit to 1 addresses, makes no sense to ping 100 ports
limitPortCounts = LIMIT_FOREIGN_PORTS_COUNT;
} else {
// if unicast hosts are not specified, fill with simple defaults on the local machine
configuredHosts = transportService.getLocalAddresses();
limitPortCounts = LIMIT_LOCAL_PORTS_COUNT;
}
resolveTimeout = DISCOVERY_ZEN_PING_UNICAST_HOSTS_RESOLVE_TIMEOUT.get(settings);
transportService.registerRequestHandler(ACTION_NAME, ThreadPool.Names.SAME, UnicastPingRequest::new,
new UnicastPingRequestHandler());
}
shard&replica规则
一个index的数据，是拆分存储在多个shard当中，我们可以在Elasticsearch的数据目录里查看一下索引的存储结构（Elasticsearch服务器上导出的树状目录结构）：
.
└── nodes
└── 0
├── indices
│ ├── 48G_CgE7TiWomlYsyQW1NQ #索引location的UUID
│ │ ├── 0 #primary shard，从0-4共5个
│ │ │ ├── index
│ │ │ │ ├── segments_3
│ │ │ │ └── write.lock
│ │ │ ├── _state
│ │ │ │ └── state-2.st
│ │ │ └── translog
│ │ │ ├── translog-2.ckp
│ │ │ ├── translog-2.tlog
│ │ │ ├── translog-3.ckp
│ │ │ ├── translog-3.tlog
│ │ │ ├── translog-4.tlog
│ │ │ └── translog.ckp
│ │ ├── 1
│ │ │ ├── index
│ │ │ │ ├── segments_3
│ │ │ │ └── write.lock
│ │ │ ├── _state
│ │ │ │ └── state-2.st
│ │ │ └── translog
│ │ │ ├── translog-2.ckp
│ │ │ ├── translog-2.tlog
│ │ │ ├── translog-3.ckp
│ │ │ ├── translog-3.tlog
│ │ │ ├── translog-4.tlog
│ │ │ └── translog.ckp
│ │ ├── 2
│ │ │ ├── index
│ │ │ │ ├── _1.cfe
│ │ │ │ ├── _1.cfs
│ │ │ │ ├── _1.si
│ │ │ │ ├── segments_7
│ │ │ │ └── write.lock
│ │ │ ├── _state
│ │ │ │ └── state-2.st
│ │ │ └── translog
│ │ │ ├── translog-4.ckp
│ │ │ ├── translog-4.tlog
│ │ │ ├── translog-5.ckp
│ │ │ ├── translog-5.tlog
│ │ │ ├── translog-6.tlog
│ │ │ └── translog.ckp
│ │ ├── 3
│ │ │ ├── index
│ │ │ │ ├── _1.cfe
│ │ │ │ ├── _1.cfs
│ │ │ │ ├── _1.si
│ │ │ │ ├── segments_7
│ │ │ │ └── write.lock
│ │ │ ├── _state
│ │ │ │ └── state-2.st
│ │ │ └── translog
│ │ │ ├── translog-4.ckp
│ │ │ ├── translog-4.tlog
│ │ │ ├── translog-5.ckp
│ │ │ ├── translog-5.tlog
│ │ │ ├── translog-6.tlog
│ │ │ └── translog.ckp
│ │ ├── 4
│ │ │ ├── index
│ │ │ │ ├── _0.cfe
│ │ │ │ ├── _0.cfs
│ │ │ │ ├── _0.si
│ │ │ │ ├── segments_5
│ │ │ │ └── write.lock
│ │ │ ├── _state
│ │ │ │ └── state-2.st
│ │ │ └── translog
│ │ │ ├── translog-3.ckp
│ │ │ ├── translog-3.tlog
│ │ │ ├── translog-4.ckp
│ │ │ ├── translog-4.tlog
│ │ │ ├── translog-5.tlog
│ │ │ └── translog.ckp
│ │ └── _state
│ │ └── state-16.st
├── node.lock
└── _state
├── global-88.st
└── node-22.st
如上目录结构所示，展示了location索引（UUID为48G_CgE7TiWomlYsyQW1NQ）的存储信息，共5个primary shard，编号从0-4。
primary shard与replica shard，还有其他几点特性：
- shard是最小的存储单元，像上面的0，1，2目录，承载部分数据。
- document是最小的数据单元，只能存在一个primary shard中以及对应的replica shard中（可能有多个），不会拆分存储，也不会存在于多个primary shard里。
- replica shard是primary shard的数据副本，冗余存储，负责容错，也可以承担查询请求。
- primary shard不会和自己的replica shard放在一台机器上，否则容错机制就失效了，但是可以和别的replica shard混搭。
- primary shard的数量在创建索引的时是多少就多少，后续不能改，但replica shard的数量可以随时修改。
扩容机制
扩容分为垂直扩容和水平扩容两种，垂直扩容指增加单台服务器的CPU、内存大小，磁盘容量，简单来讲就是换更强大的服务器；水平扩容就是增加机器数量，通过集群化部署与分布式的技术手段，也能构建出强大的计算和存储能力。
二者简单对比：
- 垂直扩容：操作简单，无需要更改集群方案，缺点就是贵，成本呈指数上升，并且单台服务器瓶颈很明显。
- 水平扩容：业务经常采用，因为更省钱，可以多非常多的普通服务器搭建，缺点是节点数越多，集群内节点之间通信会出现网络拥塞的问题。
Elastisearch非常适合用水平扩容方案，能胜任上百个节点，支撑PB级别的数据规模，并且扩容操作后，每增加新的节点会触发索引分片的重新分配。
举个例子，假定Elasticsearch有2个节点，primary shard设置为3，replica shard设置为1，这样1个索引就有3个primary shard，3个replica shard，P表示primary shard，R表示replica shard，分布示例图如下：
当新加入一个node-3时，触发node-1和node-2的shard进行重新分配，假定P0和R1两个shard移到node-3当中，如图所示：
重分配完成后，此时集群的示例如下：
最后补充两点：
- 同一个index的primay shard和replica shard不能在同一个机器上，但不同index的primary shard和replica shard可以混搭。
- 负载均衡也不是完全平均的，有的多有的少，Elasticsearch会根据当前情况自动分配shard。
容错机制
单node环境下的容错
假定Elasticsearch集群只有一个node，primary shard设置为3，replica shard设置为1，这样1个索引就应该有3个primary shard，3个replica shard，但primary shard不能与其replica shard放在一个node里，导致replica shard无法分配，这样集群的status为yellow，示例图如下：
集群可以正常工作，一旦出现node宕机，数据全部丢失，并且集群不可用。
结论：单node环境容错性为0.
2台node环境下的容错
primary shard与replica shard的设置与上文相同，此时Elasticsearch集群只有2个node，shard分布如下图所示：
如果其中一台宕机，如node-2宕机，如图所示：
此时node-1节点的R2(replica shard)会升为P2(primary shard)，此时集群还能正常用，数据未丢失。
结论：双node环境容错性为1。
3台node环境下的容错
我们先按primary shard为3，replica shard为1进行容错性计算。
此时每台node存放2个shard，如果一台宕机，此时另外2台肯定还有完整的数据，如果两台宕机，剩下的那台就只有2/3的数据，数据丢失1/3，容错性为1台。
如果是这样设置，那3台的容错性和2台的容错性一样，就存在资源浪费的情况。
那怎么样提升容错性呢？
把replica shard的值改成2，这样每台node存放3个shard，如下图所示：
如果有2台宕机，就剩下node-2，此时集群的数据还是完整的，replica会升成primary shard继续提供服务，如下图所示：
结论：3台node环境容错性最大可以是2。
扩容极限与最佳实践
根据上面3个场景，我们可以知道，如果shard总数是6个（包含primary shard 和replica shard），那么node数量上限也为6，即每台node存储1个shard，这个数据即为扩容极限，如果要突破极限，可以通过增大replica的值来实现，这样有更多的replica shard去分担查询请求，占用更多的节点，整个集群的CPU、IO、Memory资源更多，整体吞吐量也越高。
当然这个replica也不是越大越好，冗余存储占用磁盘资源，replica越大，集群内有效数据的磁盘利用率就越低。以3台node为例，想要达到容错性，磁盘利用率的最佳值，replica=2是最适宜的。
实际生产中，可以根据数据量，并发数等实际需求，在创建索引时合理设置primary shard的数量，后期优化时，再调整replica shard的值，这个需要反复验证，不断的演算调整，最终让生产Elasticsearch集群的吞吐量达到一个最佳值。
容错过程与选举机制
Elasticsearch集群中，所有的node都是对等的角色，所有的node都能接收请求，并且能自动转请求到相应的节点上（数据路由），最后能将其他节点处理的数据进行响应收集，返回给客户端。在集群中，也存在一个master节点，它的职责多一些，需要管理与维护集群的元数据，索引的创建与删除和节点的增加和删除，它都会收到相应的请求，然后进行相应的数据维护。master node在承担索引、搜索请求时，与其他node一起分摊，并不承担所有的请求，因而不存在单点故障这个问题。
我们假设一下集群有3台node，其中node-1宕机的过程，如果node-1是master node，关键步骤如下：
- 丢失了3个shard，由于P1丢失，cluster.status瞬间状态变成red。
- 重新进行master选举，自动选另一个node作为master。
- 新的master将丢失了P1对应的R1（在node-3上面）提升为primary shard ，现全部primary shard active，但是P1，P2的replica shard无法启动，cluster.status变成yellow。
- 重启故障的node-1节点，新的master会将缺失的副本都copy一份到node-1上，node-1会使用之间已有的数据，并且同步一下宕机期间的数据修改，此时所有的shard全部active状态，cluster.status重新变成green。
小结
本篇针对Elasticsearch的一些内部原理进行了简单的介绍，这些原理针对Elasticsearch的使用者是透明的，为了增加可阅读性，自行增加一些讲解的原理图，若有不详尽之处或错误之处请指正，谢谢。
专注Java高并发、分布式架构，更多技术干货分享与心得，请关注公众号：Java架构社区
