L ==> E & L & K ==> G

三剑客:Elastic Stack

在学习ELK前,先对 Lucene作基本了解。

今天才知道关系型数据库的索引是 B-Tree,罪过...

  • 减少磁盘寻道次数 ---> 提高查询性能

Lucene

原始数据基础查询 + 原始数据聚合查询

  • 物化视图
  • 实时聚合

核心:反向倒排索引

//关键词
document ---> term ---> posting list<docid>
term dictionary --->  term index
  • Term Index:以 FST(finite state transducers)形式保存
  • Term Dictionary: 以分 block 形式式保存,block 内公共前缀压缩 term

联合索引查询

  • skip list 数据结构:同时遍历 A和 B的 posting list,互相 skip
    • Frame Of Reference编码压缩 docid
  • bitset 数据结构:对 A和 B两个 filter分别求出 bitset,对两个 bitset做 AND 操作
    • Roaring Bitmap

关于两者的性能比较,参见:Frame of Reference and Roaring Bitmaps

Nested Document

定期行数据合并:子文档 ---> 父文档

DocValues

主存储按列组织,随机读操作很快

  • 底层读文件方式:memory mapped byte buffer(mmp)

时间序列数据库秘密:https://segmentfault.com/a/1190000003502849?mType=Group

E:Elasticsearch

基于Lucene实现,接近实时(NRT,Near Realtime)的搜索平台,基于 JSON的分布式搜索和分析引擎

  • 开源分布式搜索与数据分析引擎
  • 面向文档型,文档Json序列化
  • PB 级的数据处理
  • 开箱即用,RESTful WebApi:Json

官网:https://www.520mwx.com/view/44635,版本演进:5.x --> 6.x --> 7.x

从5.x支持拆分成text和keyword,在6.x废弃string
在7.x废弃TransportClient,建议High-level-rest-client
在7.x使用默认的_doc作为type,在8.x移除type
从7.x默认节点名称为主机名,分片数改为1
在7.x默认自带jdk
从7.x Kibana支持全局开启“黑暗”模式
从7.x时间戳从毫秒级支持至纳秒级
  • Weak-AND算法:取 TOP-N 结果集,估算命中记录数
  • 间隔查询(Intervals query)

关于7.x版本参见:Elastic Stack 7.0.0Breaking changes in 7.0

ES每日持续性能监控:https://benchmarks.elastic.co/index.html

基本概念

关系数据库 --> 数据库 --> 表 --> 行(Rows) --> 列(Columns)
Elasticsearch --> 索引(Index) --> 类型(type) --> 文档(Docments) --> 字段(Fields)  

其中,document 是可以被索引的基本信息单元,Index 名字务必小写 。

Elasticsearch系列 - JaJian 

基本操作:GET-查询,POST-更新,PUT-增加,DELETE-删除

  • 倒排索引:词条-文档,segment在硬盘
  • 顺排索引:文档-词条,fielddata堆内存,通过format参数控制是否启用字段的fielddata特性,loading属性控制fielddata加载到内存的时机

最佳场景:1、检索  2、统计监控  3、(日志)分析

ES使用场景深入探究

docid --> block --> Segment --> Shards/Replicas --> Index

分片 number_of_shards:

  • 支持水平分割/扩展内容容量
  • 支持在分片之上进行分布式、并行操作

复制 number_of_replicas:

  • 在分片/节点失败的情况下,提供了高可用性
  • 在所有的复制上并行运行,扩展搜索量/吞吐量

默认情况下,Elasticsearch中的每个索引配置5个主分片和每个分片的1个复制

节点数 <= 主分片数 *(副本数+1)  

shards索引创建后不可更改,replicas可用 update-index-settings API 动态修改

PUT /myindex/_settings {
  "number_of_replicas": 1
}

Mapping映射

动态映射 --> 定制映射

  • 创建索引同时创建映射
  • 先创建索引,再创建映射

mapping一经创建无法修改,若要修改需重新建立索引和定义映射,具体方法:
step1.给现有索引定义别名,并把现有索引指向该别名,PUT /现有索引/_alias/别名A 
step2.新创建一个索引,定义新的映射关系
step3.将别名指向新的索引,并且取消之前索引的执行

POST /_aliases
{
    "actions":[
        {"remove": { "index": "现有索引名", "alias":"别名A" }},
        {"add"   : { "index": "新建索引名", "alias":"别名A" }}
    ]
}

性能:实现索引的平滑过渡,并且是零停机。

索引+检索

精髓:一切设计都是为了提高搜索的性能

  • Java API
  • HTTP Restful API

【强烈推荐】:Elasticsearch 的性能优化亿级 Elasticsearch 性能优化 

自动创建索引 

action.auto_create_index:false //禁止自动创建索引
index.mapper.dynamic: false //禁止自动映射
PUT http://host:port/index_name/ + index_configuration //手动建立索引

通常设置为true即可

PUT /_cluster/settings
{
    "persistent" : {
        "action": {
          "auto_create_index": "true"
        }
    }
}

其中,indiex_configuration用于定义索引的配置信息:映射节(mappings)和配置节(settings)

PUT faceafvmain-201905{  
   "settings":{  
      "number_of_shards":5,
      "number_of_replicas":0
   },
   "mappings":{  
      "articles":{  
         "dynamic_date_formats":["yyyy-MM-dd", "yyyyMMdd"],
         "dynamic":"false",
         "properties":{  
            "articleid":{  
               "type":"long",
               "index":"not_analyzed",
            },
            "title":{  
               "type":"string",
               "index":"analyzed",
            },
            "author":{  
               "type":"string",
               "index":"analyzed",
            },
            "content":{  
               "type":"string",
               "index":"analyzed",
            },
            "postat":{  
               "type":"date",
               "format":["yyyy-MM-dd", "yyyyMMdd"],
               "index":"not_analyzed",
            }
         }
      }
   }
}

若未手动指定时间戳,_source中也不存在时间戳字段,建议指定mapping中的_timestamp设置为enable

PUT myindex {
  "mappings": {
    "mytype": {
      "_timestamp": { 
        "enabled": true
      }
    }
  }
}

索引使用问题总结

[1]. 建议使用double,float类型存储在es中可能存在精度损失

[2]. 索引数据插入与更新

插入:"result": "created","_version": 1
更新:"result": "updated", "_version": 2

[3]. IP类型:支持ipv4/ipv6

文档刷新与过期时间

TTL时间间隔以_timestamp为基准

若数据操作索引后要马上能搜到,可手动执行refresh操作:只要在API后面添加 refresh=true ,但不建议

Pipeline Aggregation

先了解下聚合

  • metric:类似sum、avg等
  • bucket:类似group by

可优化网络传输量

  • Shard本地聚合 ---> 多Shards最终聚合
  • Hyperloglog算法

Pipeline Aggregation 作为聚合的 plus版本

ElasticSearch使用列式存储实现排序和聚合查询

elasticsearch安装

推荐 ES 6.x版本,暂用 -v6.8.0 & -v6.2.0

鉴于 .net Framework生产最高 4.6,也采用 ES v6.2.0版本

同时考虑 Java技术栈中 NodeClient已过期,当前流行的 Transport Client在 7.x版本开始将不再支持

运行:elasticsearch.bat

9300:java/.Net 程序访问的端口(tcp)
9200:浏览器、postman 访问端口(http)

默认 ES只允许本机访问,修改 config/elasticsearch.yml文件,修改 network.host 为 0.0.0.0或指定IP,再重启即可

建议在文件最后新增如下配置

http.cors.enabled: true //是否支持跨域
http.cors.allow-origin: "*" //支持所有域名 (以上2个配置解决:使用 Head 插件连接不上集群)
node.master: true
node.data: true

注意,根据规划 ES 6.x版每个 Index只允许包含一个 Type,7.x版将会彻底移除 Type:Removal of mapping types 

若遇报错

ERROR: bootstrap checks failed
system call filters failed to install; check the logs and fix your configuration or disable system call filters at your own risk

则在配置文件中新增

bootstrap.memory_lock: false
bootstrap.system_call_filter: false

常用命令

http://localhost:9200/_cat/indices?v //当前结点的所有Index
http://localhost:9200/_mapping?pretty=true //当前Index包含的所有Type
http://ip:9200/_nodes #查看节点信息
http://ip:9200/_template #查看模板

GET /Index/Type/_search?pretty  #返回索引记录,默认size=10
GET /index_name/_mapping/type_name #查询映射
GET /index_Name/_mapping  #获取映射关系
GET /_all/_mapping/  #获取集群内的所有映射关系

安装教程:https://blog.csdn.net/weixin_42633131/article/details/82902812

elasticsearch-head插件 

下载地址:https://github.com/mobz/elasticsearch-head

在 Gruntfile.js的 connect配置项中新增 hostname:'*',

注意,es5 以上版本安装 head需要安装 node和 grunt

重点了解下grunt

JavaScript 任务运行器,基于 Node.js的项目构建工具,可以进行打包压缩、测试、执行等工作

npm install -g grunt-cli  #全局安装
grunt -version #查看版本号

head 插件通过 grunt 启动。

安装教程:https://www.cnblogs.com/wymbk/p/5766064.html

head/_site/app.js 下配置修改

#这里改成es的IP和端口
this.base_uri = this.config.base_uri || this.prefs.get("app-base_uri") || "http://99.6.150.141:9200";     

暂时未用到,先 mark 备用。

安装:npm install
运行:grunt server 或 npm run start 

安装时若出现 FetchError: request to https://registry.npmjs.com/grunt-karma failed,reason connect EACCES 104.16.27.35:443
解决:更新npm:npm install -g npm
若出现 notarget No matching version found for grunt-karma@2.0.0
解决:重新安装grunt
若出现 error phantomjs-prebuilt@2.1.16 install: 'node install.js'
解决:执行npm install -g phantomjs-prebuilt@2.1.16 --ignore-scrip
相关信息可参考:npm install error | stackoverflow
至于出现 Local Npm module "grunt-contrib-jasmine" not found. Is it installed?
解决:可以忽略,尚不影响使用,也可以安装 npm install grunt-contrib-jasmine解决

注意,出现 connect EACCES 或 connect ETIMEDOUT,优先启用重试大法命令。

安装教程:https://blog.csdn.net/qq_42875667/article/details/87450394 

ik分词器

ES 内置分词器(standard、simple)效果不理想,推荐插件安装:IK Analyzer v3.0

  •  面向Java的公用分词组件,独立于Lucene项目
  •  正向迭代最细粒度切分算法
  •  多子处理器分析模式

选择与 ES配套的版本即可,下载地址,或选择其他分词器 smartcn

  • analyzer:字段文本的分词器
  • search_analyzer:搜索词的分词器
  • ik_max_word:插件ik提供的分词器,可对文本进行最大数量的分词

重命名为 ik,放在 elasticsearch\plugins 目录下重启 es 即可

  • IKAnalyzer.cfg.xml:扩展词和停用词文件

分词在线测试地址:grokdebug

注意,原始文本作为单个分词最大长度默认 32766Bytes,可以通过 ignore_above 属性设置字符个数

ES中一个字段不能同时支持全文和聚合搜索,除非采用如下方式:参见

"url": {
 "type": "string", "analyzer": "simple",
  "fields": {
	"keyword": {
		"type": "keyword", "ignore_above": 256
	  }
	}
},

基本使用

全文搜索引擎ElasticSearch教程 | 阮一峰

几个重要的配置

# (master_eligible_nodes / 2) + 1
discovery.zen.minimum_master_nodes:集群主节点最小可见数量,为提高集群的可用性,避免集群脑裂
discovery.zen.ping.unicast.hosts:节点发现机制,unicast通信方式
discovery.zen.ping_timeout:发现过程中的等待时间,默认3秒
bootstrap.memory_lock:ture 启用Elasticsearch的内存锁定,避免内存被OS换出

 

L:Logstash

动态数据收集管道,日志解析引擎,拥有可扩展的插件生态系统。

官网:https://www.elastic.co/cn/products/logstash

下载版本与 es一致即可:下载地址

安装教程:

  • 组成部分:input、filter、output、codec
  • Grok:filter核心插件,文本格式字符串 ---> 结构化数据 + 正则表达式:测试地址

filter的ruby插件待学习...

基本使用

 Shipper Logstash --> Redis --> Indexer Logstash --> Elasticsearch  

 

K:Kibana

分析和可视化平台, 统计 。官网:https://www.elastic.co/cn/products/kibana

下载版本与 es一致即可:下载地址demo-案例 

默认 Kibana只允许本机访问,修改 config/kibana.yml文件,修改 server.host 为 0.0.0.0或指定IP,再重启即可

http://ip:5601/app/kibana#/home/tutorial_directory/sampleData?_g=() #添加kibana样例数据

基本使用

REST访问模式:<REST Verb>/<Index>/<Type>/<ID>

http://localhost:5601/status #状态信息

GET _cluster/health
GET /_cat/health?v #集群健康信息
GET /_cat/nodes?v #集群中结点列表
GET /_cat/indices?v #集群中索引列表
GET _cat/plugins

GET /  #集群属性信息
GET /_all/_settings #索引配置信息
GET /index_c/_settings

PUT index_c/_settings { #配置索引参数
	"index":{
		"max_result_window":50000
	}
}

参考:Index settings | ES

删除

DELETE /index_name
DELETE /index_name/type_name/0gt3dWwBJmcVNuQWEmyy

POST /index_name/type_name/_delete_by_query { ---按条件删除数据
  "query":{
    "term": {
      "PhoneNumber": {
        "value": "12304567890"
      }
    }
  }
}

快捷键

ctrl+enter:提交当前请求 

建议入库 ES 的对象包含 Date 字段,否则 Create Index Pattern 时无可用字段可选,报错

The indices which match this index pattern don't contain any time fields.

日期字段尽量兼容多种格式

"date": {
          "type": "date",
          "format": "yyyy-MM-dd'T'HH:mm:ss.SSSZ||yyyy/MM/dd'T'HH:mm:ss.SSSZ||yyyy-MM-dd HH:mm:ss.SSS||yyyy/MM/dd HH:mm:ss.SSS||yyyy-MM-dd HH:mm:ss||yyyy/MM/dd HH:mm:ss",
          "copy_to": "All_Info"
        }

reindex

给出一个简单的迁移示例

POST _reindex {
  "source": {"index":"index_b"},
  "dest": {"index":"index_a"},
  "script":{
    "lang":"painless",
    "source":"ctx._source.date=ctx._source.date.replace('/','-').replace(' ','T');if(!ctx._source.date.contains('.')){ctx._source.date=ctx._source.date+'.100+0800';} else if(!ctx._source.date.contains('+')){ctx._source.date=ctx._source.date+'+0800';}"
  }
}

其中,源、目的索引

PUT index_a
{
  "order": 1,
  "index_patterns": [
    "auto-afvapp*"
  ],
  "settings": {
    "index": {
      "max_result_window": "2147483647",
      "refresh_interval": "10s",
      "number_of_shards": "2",
      "number_of_replicas": "1"
    }
  },
  "mappings": {
    "afvapp": {
      "dynamic": false,
      "properties": {
        "uid": {
          "type": "keyword"
        },
        "date": {
          "type": "date",
          "format": "yyyy-MM-dd'T'HH:mm:ss.SSSZ||yyyy/MM/dd'T'HH:mm:ss.SSSZ||yyyy-MM-dd HH:mm:ss.SSS||yyyy/MM/dd HH:mm:ss.SSS||yyyy-MM-dd HH:mm:ss||yyyy/MM/dd HH:mm:ss",
          "copy_to": "All_Info"
        },
        "errmsg": {
          "type": "text",
          "fields": {
            "keyword": {
              "type": "keyword",
              "ignore_above": 1024
            }
          }
        }
      }
    }
  },
  "aliases": {}
}
PUT index_b
{
  "order": 1,
  "index_patterns": [
    "auto-afvapp*"
  ],
  "settings": {
    "index": {
      "max_result_window": "2147483647",
      "refresh_interval": "10s",
      "number_of_shards": "2",
      "number_of_replicas": "1"
    }
  },
  "mappings": {
    "afvapp": {
      "dynamic": false,
      "properties": {
        "uid": {
          "type": "keyword"
        },
        "date": {
          "type": "keyword"
        },
        "errmsg": {
          "type": "text",
          "fields": {
            "keyword": {
              "type": "keyword",
              "ignore_above": 1024
            }
          }
        }
      }
    }
  },
  "aliases": {}
}

painless script语法参见:Painless API 

尤其注意:日期时间格式 

问题解决

按{"type":"string","index":"not_analyzed"}设置mapping时,报错:
Elasticsearch:No handler for type [string] declared on field[XXX]

原因:Elasticsearch从5.X引入"text""keyword"用于分词和全词匹配,从6.X彻底移除"string",且"index"值只能是boolean变量:string类型已去, 字符串数据永生

  • 关键词搜索(keyword search):精准匹配和聚合分析
  • 全文搜索(full-text search):分词

若允许该字段被索引查询,需{"type":"text","index":true},否则会报错:Cannot search on field [xxx] since it is not indexed. 

关于ES中的数据类型,参见:Field datatypes

 

G:Grafana

分析和可视化平台, 监控 

 

扩展工具

ElasticHD

独立于elasticsearch安装使用,cmd命令启动

安装使用指南

 

Elastsearch-SQL

作为插件依赖elasticsearch使用

安装使用指南 

 

X-Pack

ElasticSearch 扩展包

  • 安全防护:用户验证 + 授权和基于角色的访问控制 + 节点/客户端认证和信道加密
  • 实时集群监控:可视化报告

cerebro

elasticsearch 开源监控软件,替代 kopf(http://99.6.150.141:9200/_plugin/kopf/#!/cluster)

下载地址:cerebro | github  

es-rally

ES性能监控工具

[使用教程](https://blog.csdn.net/laoyang360/article/details/52155481)

其他工具使用

Grafana:适合监控类场景
ElasticHD:支持SQL转DSL
elasticsearch-SQL:类SQL查询工具
测试工具:在原来执行的DSL的基础上新增profile参数 "profile": true

 

 


posted @ 2019-07-22 21:01  万箭穿心,习惯就好。  阅读(844)  评论(0编辑  收藏  举报