Elasticsearch 学习二（请求流程）.
一、写入数据
1、ES 的任意节点都可以作为协调（Coordinating）节点接受请求（包括新建、索引或者删除请求），每个节点都知道集群中任一文档位置；
2、协调节点会通过 routing 字段计算出一个主分片（primary shard），并把请求路由到主分片所在节点（routing 是一个可变值，默认是文档的 _id） ；
shard = hash(routing) % number_of_primary_shards
tips：这就解释了为什么我们要在创建索引的时候就确定好主分片的数量，并且永远不会改变这个数量：因为如果数量变化了，那么所有之前路由的值都会无效，文档也再也找不到了。
3、在主分片节点上，数据会先被写入（index buffer）中，同时写入 translog，这个时候数据还不能被搜索到（这个也是 es 是近实时搜索的原因）；
tips：整个过程大部分在内存中，如果断电就会导致数据丢失。因此，ES 引入了 translog，数据写入内存时，会同时写入 translog（会立即落盘），来保证数据不丢失。
4、经过一段时间（默认 1s）或者 index buffer 满了（默认 jvm 的 10%），会将 index buffer 中的文档 refresh 到系统文件缓存（os cache），然后再刷入到 lucene 的底层文件 segment 中，同时建立倒排索引，这个时候文档是可以被搜索到的；
5、 由于 segment 的不可变性，随着 segment 越来越多，每打开一个 segment 就会消耗一个文件句柄，导致查询性能越来越差。这时，ES 后台会有一个单独线程专门合并 segment，将零碎的小的 segment 合并成一个大的 segment；
6、经过一段时间（默认30 min）或者 tanslog 满了（默认512M），会将文件系统缓存的 segment 落盘；
7、如果主分片所在的节点请求执行成功，它会将请求同步转发到副本分片所在节点，做到主副数据的一致性，一旦所有的副本分片都报告成功，主分片节点将向协调节点报告成功，协调节点向客户端报告成功。因此，数据写入，主副本之间采用的是同步写入过程。
tips：写一致性默认的策略是 —— Quorum ，即大多数的分片副本状态没问题才允许执行写操作。
8、当集群中某个节点宕机，该节点上所有分片中的数据全部丢失（既有主分片，又有副分片）；丢失的副分片对数据的完整性没有影响，丢失的主分片在其他节点上的副分片会被选举成主分片；所以整个索引的数据完整性没有被破坏。
9、如果是删除操作，refresh 的时候就会生成一个 .del 文件，逻辑删除，将这个 document 标识为 deleted 状态，在搜索的搜索的时候就不会被搜索到了。
10、如果是更新操作，就是将原来的 document 标识为 deleted 状态，然后新写入一条数据。
二、查询数据
GET my-index/_doc/0
1、ES 的任意节点都可以作为协调（Coordinating）节点接受请求，每个节点都知道集群中任一文档位置；
2、协调节点对 id 进行路由，从而判断该数据在哪个 shard，然后将请求转发给对应的节点，此时会使用随机轮询算法，在 primary shard 和 replica shard 中随机选择一个，让读取请求负载均衡，
3、处理请求的节点返回 document 给协调节点。
4、协调节点，返回 document 给客户端。
三、检索数据
GET /my-index/_search
{
"query": {
"match_all": {}
}
}
1、ES 的任意节点都可以作为协调（Coordinating）节点接受请求，每个节点都知道集群中任一文档位置；
2、协调节点进行分词等操作后，去查询所有的 shard 节点。
3、所有 shard 将满足条件的数据（id、排序字段等）信息返回给协调节点。
4、协调节点将数据重新进行排序，获取到真正需要返回的数据的 id。
5、协调节点再次请求对应的 shard （此时有 id 了，可以直接定位到对应shard）。
6、获取到全量数据，返回给客户端。
tips： ES 要尽量避免深度分页查询，因为每个 shard 都会返回 from+size 的数据。比如我们要每页显示 10 条，查询第 10000 页数据，那么每个分片就要返回10010 条数据，协调节点要处理更多的数据，这会严重的影响性能。
参考博文：
