前言
一条数据是如何落地到对应的shard上的？
当索引一个文档的时候，文档会被存储到一个主分片中。 Elasticsearch 如何知道一个文档应该存放到哪个分片中呢？
首先这肯定不会是随机的，否则将来要获取文档的时候我们就不知道从何处寻找了。实际上，这个过程是根据下面这个算法决定的：
shard_num = hash(_routing) % num_primary_shards
其中 _routing 是一个可变值，默认是文档的 _id 的值 ，也可以设置成一个自定义的值。 _routing 通过 hash 函数生成一个数字，然后这个数字再除以 num_of_primary_shards （主分片的数量）后得到余数 。这个分布在 0 到 number_of_primary_shards-1 之间的余数，就是我们所寻求的文档所在分片的位置。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。
路由机制
假设你有一个100个分片的索引。当一个请求在集群上执行时会发生什么呢？
1. 这个搜索的请求会被发送到一个节点
2. 接收到这个请求的节点，将这个查询广播到这个索引的每个分片上（可能是主分片，也可能是复本分片）
3. 每个分片执行这个搜索查询并返回结果
4. 结果在通道节点上合并、排序并返回给用户
因为默认情况下，Elasticsearch使用文档的ID（类似于关系数据库中的自增ID），如果插入数据量比较大，文档会平均的分布于所有的分片上，这导致了Elasticsearch不能确定文档的位置，
所以它必须将这个请求广播到所有的N个分片上去执行 这种操作会给集群带来负担，增大了网络的开销；
自定义路由
自定义路由的方式非常简单，只需要在插入数据的时候指定路由的key即可。虽然使用简单，但有许多的细节需要注意。我们从一个例子看起（注：本文关于ES的命令都是在Kibana dev tool中执行的）：
// 步骤1：先创建一个名为route_test的索引，该索引有3个shard，0个副本 PUT route_test/ { "settings": { "number_of_shards": 2, "number_of_replicas": 0 } } // 步骤2：查看shard GET _cat/shards/route_test?v index shard prirep state docs store ip node route_test 1 p STARTED 0 230b 172.19.0.2 es7_02 route_test 0 p STARTED 0 230b 172.19.0.5 es7_01 // 步骤3：插入第1条数据 PUT route_test/_doc/a?refresh { "data": "A" } // 步骤4：查看shard GET _cat/shards/route_test?v index shard prirep state docs store ip node route_test 1 p STARTED 0 230b 172.19.0.2 es7_02 route_test 0 p STARTED 1 3.3kb 172.19.0.5 es7_01 // 步骤5：插入第2条数据 PUT route_test/_doc/b?refresh { "data": "B" } // 步骤6：查看数据 GET _cat/shards/route_test?v index shard prirep state docs store ip node route_test 1 p STARTED 1 3.3kb 172.19.0.2 es7_02 route_test 0 p STARTED 1 3.3kb 172.19.0.5 es7_01 // 步骤7：查看此时索引里面的数据 GET route_test/_search { "took" : 5, "timed_out" : false, "_shards" : { "total" : 2, "successful" : 2, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : { "value" : 2, "relation" : "eq" }, "max_score" : 1.0, "hits" : [ { "_index" : "route_test", "_type" : "_doc", "_id" : "a", "_score" : 1.0, "_source" : { "data" : "A" } }, { "_index" : "route_test", "_type" : "_doc", "_id" : "b", "_score" : 1.0, "_source" : { "data" : "B" } } ] } }
上面这个例子比较简单，先创建了一个拥有2个shard，0个副本（为了方便观察）的索引 route_test 。创建完之后查看两个shard的信息，此时shard为空，里面没有任何文档（ docs 列为0）。接着我们插入了两条数据，每次插完之后，都检查shard的变化。通过对比可以发现 docid=a 的第一条数据写入了0号shard，docid=b 的第二条数据写入了1号 shard。需要注意的是这里的doc id我选用的是字母"a"和"b"，而非数字。原因是连续的数字很容易路由到一个shard中去。以上的过程就是不指定routing时候的默认行为。
接着，我们指定routing，看一些有趣的变化：
// 步骤8：插入第3条数据 PUT route_test/_doc/c?routing=key1&refresh { "data": "C" } // 步骤9：查看shard GET _cat/shards/route_test?v index shard prirep state docs store ip node route_test 1 p STARTED 1 3.4kb 172.19.0.2 es7_02 route_test 0 p STARTED 2 6.9kb 172.19.0.5 es7_01 // 步骤10：查看索引数据 GET route_test/_search { "took" : 5, "timed_out" : false, "_shards" : { "total" : 2, "successful" : 2, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : { "value" : 3, "relation" : "eq" }, "max_score" : 1.0, "hits" : [ { "_index" : "route_test", "_type" : "_doc", "_id" : "a", "_score" : 1.0, "_source" : { "data" : "A" } }, { "_index" : "route_test", "_type" : "_doc", "_id" : "c", "_score" : 1.0, "_routing" : "key1", "_source" : { "data" : "C" } }, { "_index" : "route_test", "_type" : "_doc", "_id" : "b", "_score" : 1.0, "_source" : { "data" : "B" } } ] } }
我们又插入了1条 docid=c 的新数据，但这次我们指定了路由，路由的值是一个字符串"key1". 通过查看shard信息，能看出这条数据路由到了0号shard。也就是说用"key1"做路由时，文档会写入到0号shard。
接着我们使用该路由再插入两条数据，但这两条数据的 docid 分别为之前使用过的 "a"和"b"，你猜一下最终结果会是什么样？
// 步骤11：插入 docid=a 的数据，并指定 routing=key1 PUT route_test/_doc/a?routing=key1&refresh { "data": "A with routing key1" } // es的返回信息为： { "_index" : "route_test", "_type" : "_doc", "_id" : "a", "_version" : 2, "result" : "updated", // 注意此处为updated，之前的三次插入返回都为created "forced_refresh" : true, "_shards" : { "total" : 1, "successful" : 1, "failed" : 0 }, "_seq_no" : 2, "_primary_term" : 1 } // 步骤12：查看shard GET _cat/shards/route_test?v index shard prirep state docs store ip node route_test 1 p STARTED 1 3.4kb 172.19.0.2 es7_02 route_test 0 p STARTED 2 10.5kb 172.19.0.5 es7_01 // 步骤13：查询索引 GET route_test/_search { "took" : 6, "timed_out" : false, "_shards" : { "total" : 2, "successful" : 2, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : { "value" : 3, "relation" : "eq" }, "max_score" : 1.0, "hits" : [ { "_index" : "route_test", "_type" : "_doc", "_id" : "c", "_score" : 1.0, "_routing" : "key1", "_source" : { "data" : "C" } }, { "_index" : "route_test", "_type" : "_doc", "_id" : "a", "_score" : 1.0, "_routing" : "key1", "_source" : { "data" : "A with routing key1" } }, { "_index" : "route_test", "_type" : "_doc", "_id" : "b", "_score" : 1.0, "_source" : { "data" : "B" } } ] } }
之前 docid=a 的数据就在0号shard中，这次依旧写入到0号shard中了，因为docid重复，所以文档被更新了。然后再插入 docid=b 的数据：
// 步骤14：插入 docid=b的数据，使用key1作为路由字段的值 PUT route_test/_doc/b?routing=key1&refresh { "data": "B with routing key1" } // es返回的信息 { "_index" : "route_test", "_type" : "_doc", "_id" : "b", "_version" : 1, "result" : "created", // 注意这里不是updated "forced_refresh" : true, "_shards" : { "total" : 1, "successful" : 1, "failed" : 0 }, "_seq_no" : 3, "_primary_term" : 1 } // 步骤15：查看shard信息 GET _cat/shards/route_test?v index shard prirep state docs store ip node route_test 1 p STARTED 1 3.4kb 172.19.0.2 es7_02 route_test 0 p STARTED 3 11kb 172.19.0.5 es7_01 // 步骤16：查询索引内容 { "took" : 6, "timed_out" : false, "_shards" : { "total" : 2, "successful" : 2, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : { "value" : 4, "relation" : "eq" }, "max_score" : 1.0, "hits" : [ { "_index" : "route_test", "_type" : "_doc", "_id" : "c", "_score" : 1.0, "_routing" : "key1", "_source" : { "data" : "C" } }, { "_index" : "route_test", "_type" : "_doc", "_id" : "a", "_score" : 1.0, "_routing" : "key1", "_source" : { "data" : "A with routing key1" } }, { "_index" : "route_test", "_type" : "_doc", "_id" : "b", "_score" : 1.0, "_routing" : "key1", // 和下面的 id=b 的doc相比，多了一个这个字段 "_source" : { "data" : "B with routing key1" } }, { "_index" : "route_test", "_type" : "_doc", "_id" : "b", "_score" : 1.0, "_source" : { "data" : "B" } } ] } }
和步骤11插入docid=a 的那条数据相比，这次这个有些不同，我们来分析一下。步骤11中插入 docid=a 时，es返回的是updated，也就是更新了步骤2中插入的docid为a的数据，步骤12和13中查询的结果也能看出，并没有新增数据，route_test中还是只有3条数据。而步骤14插入 docid=b 的数据时，es返回的是created，也就是新增了一条数据，而不是updated原来docid为b的数据，步骤15和16的确也能看出多了一条数据，现在有4条数据。而且从步骤16查询的结果来看，有两条docid为b的数据，但一个有routing，一个没有。而且也能分析出有routing的在0号shard上面，没有的那个在1号shard上。
这个就是我们自定义routing后会导致的一个问题：docid不再全局唯一。ES shard的实质是Lucene的索引，所以其实每个shard都是一个功能完善的倒排索引。ES能保证docid全局唯一是采用do id作为了路由，所以同样的docid肯定会路由到同一个shard上面，如果出现docid重复，就会update或者抛异常，从而保证了集群内docid唯一标识一个doc。但如果我们换用其它值做routing，那这个就保证不了了，如果用户还需要docid的全局唯一性，那只能自己保证了。因为docid不再全局唯一，所以doc的增删改查API就可能产生问题，比如下面的查询：
GET route_test/_doc/b // es返回 { "_index" : "route_test", "_type" : "_doc", "_id" : "b", "_version" : 1, "_seq_no" : 0, "_primary_term" : 1, "found" : true, "_source" : { "data" : "B" } } GET route_test/_doc/b?routing=key1 // es返回 { "_index" : "route_test", "_type" : "_doc", "_id" : "b", "_version" : 1, "_seq_no" : 3, "_primary_term" : 1, "_routing" : "key1", "found" : true, "_source" : { "data" : "B with routing key1" } }
上面两个查询，虽然指定的docid都是b，但返回的结果是不一样的。所以，如果自定义了routing字段的话，一般doc的增删改查接口都要加上routing参数以保证一致性。注意这里的【一般】指的是查询，并不是所有查询接口都要加上routing。
为此，ES在mapping中提供了一个选项，可以强制检查doc的增删改查接口是否加了routing参数，如果没有加，就会报错。设置方式如下：
PUT <索引名>/ { "settings": { "number_of_shards": 2, "number_of_replicas": 0 }, "mappings": { "_routing": { "required": true // 设置为true，则强制检查；false则不检查，默认为false } } }
举个例子：
PUT route_test1/ { "settings": { "number_of_shards": 3, "number_of_replicas": 0 }, "mappings": { "_routing": { "required": true } } } // 写入一条数据 PUT route_test1/_doc/b?routing=key1 { "data": "b with routing" } // 以下的增删改查都会抱错 GET route_test1/_doc/b PUT route_test1/_doc/b { "data": "B" } DELETE route_test1/_doc/b // 错误信息 "error": { "root_cause": [ { "type": "routing_missing_exception", "reason": "routing is required for [route_test1]/[_doc]/[b]", "index_uuid": "_na_", "index": "route_test1" } ], "type": "routing_missing_exception", "reason": "routing is required for [route_test1]/[_doc]/[b]", "index_uuid": "_na_", "index": "route_test1" }, "status": 400 }
当然，很多时候自定义路由是为了减少查询时扫描shard的个数，从而提高查询效率。默认查询接口会搜索所有的shard，但也可以指定routing字段，这样就只会查询routing计算出来的shard，提高查询速度。
使用方式也非常简单，只需在查询语句上面指定routing即可，允许指定多个：
-- 查询所有分区 GET route_test/_search { "query": { "match": { "data": "b" } } } -- 查询指定分区 GET route_test/_search?routing=key1,key2 { "query": { "match": { "data": "b" } } }
另外，指定routing还有个弊端就是容易造成负载不均衡。所以ES提供了一种机制可以将数据路由到一组shard上面，而不是某一个。只需在创建索引时（也只能在创建时）设置index.routing_partition_size，默认值是1，即只路由到1个shard，可以将其设置为大于1且小于索引shard总数的某个值，就可以路由到一组shard了。值越大，数据越均匀。当然，从设置就能看出来，这个设置是针对单个索引的，可以加入到动态模板中，以对多个索引生效。指定后，shard的计算方式变为：
shard_num = (hash(_routing) + hash(_id) % routing_partition_size) % num_primary_shards
对于同一个routing值，hash(_routing)的结果固定的，hash(_id) % routing_partition_size的结果有 routing_partition_size 个可能的值，两个组合在一起，对于同一个routing值的不同doc，也就能计算出 routing_partition_size 可能的shard num了，即一个shard集合。但要注意这样做以后有两个限制：
- 索引的mapping中不能再定义join关系的字段，原因是join强制要求关联的doc必须路由到同一个shard，如果采用shard集合，这个是保证不了的。
- 索引mapping中
_routing的required必须设置为true。
但是对于第2点我测试了一下，如果不写mapping，是可以的，此时_routing的required默认值其实是false的。但如果显式的写了，就必须设置为true，否则创建索引会报错。
// 不显式的设置mapping，可以成功创建索引 PUT route_test_3/ { "settings": { "number_of_shards": 2, "number_of_replicas": 0, "routing_partition_size": 2 } } // 查询也可以不用带routing，也可以正确执行，增删改也一样 GET route_test_3/_doc/a // 如果显式的设置了mappings域，且required设置为false，创建索引就会失败，必须改为true PUT route_test_4/ { "settings": { "number_of_shards": 2, "number_of_replicas": 0, "routing_partition_size": 2 }, "mappings": { "_routing": { "required": false } } }
不知道这算不算一个bug。
总结
ElasticSearch的routing算是一个高级用法，但的确非常有用。在我们公司的订单数据，就用merchant_no作为routing，这样就能保证同一个商户的数据全部保存到同一个shard去，后面检索的时候，同样使用merchant_no作为routing，就可以精准的从某个shard获取数据了。对于超大数据量的搜索，routing再配合hot&warm的架构，是非常有用的一种解决方案。而且同一种属性的数据写到同一个shard还有很多好处，比如可以提高aggregation的准确性。
注1：本文例子中routing=key1，这里的key1是具体的值，而不是字段名称； 注2：通过JavaAPI创建 IndexRequest 时，通过 routing(java.lang.String routing) 方法指定routing值，注意这里是具体的值，而不是字段名称； 注3：本文的所有测试基于ES 7.1.0版本。
hot&warm的架构，参考我另一篇文章：https://www.cnblogs.com/caoweixiong/p/11988457.html