系列目录
内存吞金兽(Elasticsearch)的那些事儿 -- 认识一下
内存吞金兽(Elasticsearch)的那些事儿 -- 数据结构及巧妙算法
内存吞金兽(Elasticsearch)的那些事儿 -- 架构&三高保证
内存吞金兽(Elasticsearch)的那些事儿 -- 写入&检索原理
内存吞金兽(Elasticsearch)的那些事儿 -- 常见问题痛点及解决方案
1、大数据量的查询效率如何保证：
查询的流程：往 ES 里写的数据，实际上都写到磁盘文件里去了，查询的时候，操作系统会将磁盘文件里的数据自动缓存到 Filesystem Cache 里面去
最佳的情况下，就是机器的内存，至少可以容纳总数据量的一半，仅仅在 es 中就存少量的数据，就是要用来搜索的那些索引，如果内存留给 filesystem cache 的是 100G，那么将索引数据控制在 100G 以内，这样的话，数据几乎全部走内存来搜索，性能非常之高，一般可以在 1 秒以内，但是生成环境的数据量往往还是会很多，有大致四种方案：
1）数据预热
平时看的人很多的数据，每隔一会儿，去搜索一下热数据，刷到 filesystem cache 里去，后面用户实际上来看这个热数据的时候，就是直接从内存里搜索了；
2）冷热分离
将大量的访问很少、频率很低的数据，单独写一个索引，然后将访问很频繁的热数据单独写一个索引。最好是将冷数据写入一个索引中，然后热数据写入另外一个索引中，这样可以确保热数据在被预热之后，尽量都让他们留在 filesystem os cache 里，别让冷数据给冲刷掉。
3）es+Hbase架构：
es只存储索引字段，其他数据放到mysql/hbase中；
举例说明：id,name,age .... 30 个字段。现在搜索，只需要根据 id,name,age 三个字段来搜索。如果往 es 里写入一行数据所有的字段，就会导致说 90% 的数据是不用来搜索的，结果硬是占据了 es 机器上的 filesystem cache 的空间，单条数据的数据量越大，就会导致 filesystem cahce 能缓存的数据就越少。其实，仅仅写入 es 中要用来检索的少数几个字段就可以了，比如说就写入es id,name,age 三个字段，然后你可以把其他的字段数据存在 mysql/hbase 里，我们一般是建议用 es + hbase 这么一个架构。
4）document 模型设计
对于 MySQL，我们经常有一些复杂的关联查询。es 里面的复杂的关联查询尽量别用，一旦用了性能一般都不太好。
要先在 Java 系统里就完成关联，将关联好的数据直接写入 es 中。搜索的时候，就不需要利用 es 的搜索语法来完成 join 之类的关联搜索了。
2、分页查询痛点及解决方案：
假设现在要查询第100页的10条数据，但是对于es来说，from=1000000，size=100，这时 es需要从各个分片上查询出来10000100条数据，然后汇总计算后从其中取出100条。如果有5个分片则需要查询出来5*10000100条数据，如果现在有并发的100个查询请求，就会有50亿左右的数据，占用的内存是非常高的，所以在使用es的分页查询过程中，刚开始翻页可能速度比较快，可能到第一百页查询就需要4-5s，翻到1000页以后，系统资源占用成指数级上升，很容易就会出现OOM直接报错。
分页方案：
1）基本的from-size查询，es为了避免深度分页带来的内存开销，from最大值设定到了10000，目前后台运营的翻页最多关心近10页的数据；
2）search after按照第一个检索到的最后显示的“balance”和‘_id’值，作为下一个检索search_after的参数，例如假定size是10，当查询990-1000时，通过上次传递的最后一个检索到的值，在分片上就可以取到10条文档，不支持上一页查询。
3）scroll查询
scroll查询原理是在第一次查询的时候一次性生成一个快照，根据上一次的查询的id来进行下一次的查询，这个就类似于关系型数据库的游标，然后每次滑动都是根据产生的游标id进行下一次查询，这种性能比上面说的分页性能要高出很多，基本都是毫秒级的。
注意点：scroll不支持跳页查询。
使用场景：对实时性要求不高的查询。
代码：
设置查询条件
BoolQueryBuilder boolQueryBuilder = QueryBuilders.boolQuery(); .must(builder); |
首次查询
- 第一次查询，跟平时的search查询一样需要设置index和type以及查询条件。
- 如果把查询类型设置成SCAN，那么不能获取结果并且不支持排序，只能获得scrollId，如果使用默认设置或者不设置，那么第一次在获取id的同时也可以获取到查询结果。
- 这个size大小的意思不是总分页的大小，实际数量应该是：所以实际返回的数量是：分片的数量*size
- 滚动时间设置是指在这个查询搜索结果的缓存时间，时间不能太久，毕竟内存空间是有限的。
.setQuery(boolQueryBuilder) .setSearchType(.setSearchType(SearchType.DEFAULT)) .execute().actionGet();//第一次查询for (SearchHit searchHit : response1.getHits().hits()) { biz handle....;} |
第二次查询
} response1 = client.prepareSearchScroll(response1.getScrollId()).setScroll(TimeValue.timeValueMinutes(5)) .execute().actionGet(); } |
4） 利用scroll-scan遍历数据
使用场景：500w用户，需要遍历所有用户发送数据，并且对顺序没有要求，这个时候我们可以使用scroll-scan。
查询 .setQuery(boolQueryBuilder) .setSearchType(SearchType.SCAN) .execute().actionGet();获取结果SearchResponse response1 = client.prepareSearchScroll(scrollId).setScroll(TimeValue.timeValueMinutes(5)) .execute().actionGet(); } response1 = client.prepareSearchScroll(response1.getScrollId()).setScroll(TimeValue.timeValueMinutes(5)) .execute().actionGet();} |
scroll和scroll-scan区别
-
scroll支持排序，scroll-scan不支持排序，是按照索引顺序返回，可以提高查询效率。
-
scroll-scan第一次查询只支持返回id，没有结果。
总结：
- es的分页查询不支持深度分页，如果偏要使用要结合具体业务场景进行使用。不能当成关系型数据库中的分页进行使用。
- 要想提高产品体验和查询效率不能过于依赖技术，要结合需求进行分析以提高体验，因为很多搜索类产品都不支持深度分页。
- 如果在不涉及排序的情况下尽量使用scroll-scan，它是按照索引顺序返回，提高效率。