分布式搜索引擎es 面试突击 |
您所在的位置:网站首页 › es的数据存在内存中吗 › 分布式搜索引擎es 面试突击 |
es elastocsearch 倒排索引是在数据查询之前建立,在查询的时候可以直接通过关键词定位到文档内容。用空间换时间 分布式架构原理说一下?es底层是基于lucene来的 大概就是一个用于全文检索的jar包 用es来做分布式的搜索引擎 可以承载一秒钟几千的搜索 es用来存储数据的基本单位是索引。 index:mysql里的一张表 type:一个index里可以有多个type,每个type的字段都是差不多的,但是有一些略微的差别 比如mysql中的表 有些订单是实物订单,有些是游戏点卡。两种订单大部分字段一样,但是少部分字段可能有略微的差别。 mapping代表了对这个type表结构的定义,定义了这个type中每个字段名称,字段是什么类型,然后还有这个字段的各种配置 document:往index里的一个type里面写一条数据,叫做一条document,一条document代表了mysql中某个表的一行,每个document有多个field,每个field就代表了document中一个字段的值 架构: 每台机器中有一个es进程,每个es进程中有多个shard,每个shard都会在其他的某个机器上有一个副本 一个索引的数据会被分布式存储在多个shard上面 primary为主版本,replica为副版本 如果说masterNode节点(代表一个机器)突然挂了,那么es会重新选举一个新的节点成为masterNode 原本需要的不是shard01跟shard02么 此时新的masterNode里面是02跟03,02是replica Shard 此时会将它变成primary Shard kafka是只能在lead里面读写 而es是可以在primary里面写读写 可以在replica里面读 当刚刚宕机了的节点恢复后,它里面的shard02会变成replica shard 写入与查询的工作原理? 客户端可以挑任意一个进程去写,进去以后 如果是找到了replica节点,那么replica会把数据路由到primary中,写进primary,然后primary会将数据同步到replica中 写进shard怎么写的? 在写进shard之后 会写进内存buffer中,同时会写进tanslog日志中,每隔一段时间会把buffer中的数据刷进磁盘,refresh操作->刷到segmentFile中,segmentfile 中就存储最近1秒内buffer中写入的数据 刷到segmentfile之前会先进os cache操作系统级别的一个内存缓存中 为什么说es是准实时的,因为是每隔1秒refresh一次,写入的数据1秒后才能被看到 这样一直重复,新的数据不断进入buffer和translog中,不断将buffer数据写入一个又一个新的segment file中去,每次refresh完buffer清空,tanslog保留,随着过程推进,translog会变得越来越大,当translog达到一定长度的时候,就会触发conmit操作 commit操作:1写comimit point 2 OS cache数据fsync强刷到磁盘上去 3.清空translog日志文件 一般不叫commit 一般叫flash操作 translog主要是用来做数据的恢复 内存如果宕机 那么就可以根据translog来做一个恢复 1.他是准实时的,数据写入一秒后可以搜索到,2可能会丢失数据的,你的数据有5秒的时间停留在buffer、translog、segment file os cache中 此时如果宕机 可能会导致五秒的数据丢失 如果你希望一定不丢数据的话 ,可以设置参数,每次写入一条数据,都是直接写入buffer,同时写入磁盘中的translog 删除数据:有个.del的文件 如果某条数据被删除了,.del文件中会标记这条数据。然后你就不会搜索到这条数据了 merge操作:三个segment合并成一个segment,如果原来的segment中某条数据被标志成.del 那么在合并后 它就没了 被物理删除了 读数据过程:不断轮询 每次随机找一个shard去读, 在几十亿数量级场景下如何优化查询性能? 仅仅只是写入es中要用来检索的少数几个字段就可以了 , fileSystemcache里面的内存要大一点 你最好写入es的数据小于等于 fileSystem cache 最好让查询大量的命中filesystemcache 数据预热:经常要访问的数据 把他刷到filesystemCache中 就是从内存拿 而不是磁盘 比如电商 你可以吧一些平时查看得比较多的商品,热数据提前后台搞个程序,每隔一分钟,自己主动访问一次,刷到filesystemCache中去 冷热分离: 就是经常用的数据放在一张表里面,不经常用的放在另一个shard里面 用es做分页,越往后翻越慢 两个思路来解决: 1.不允许深度分页 2.默认翻得越深,性能越差 微博:可以用scroll api 其实现在很多产品是不能随意翻页的 做成的是往下拉的这种 而不是说一下从一百页跳到200页 生产环境的分布式搜索引擎是怎么部署的? 中小型公司:
集群部署了5台机器,每台机器是6核64G的,集群总内存是320G 日增量数据大概是2000万条,每天日常增量数据大概是500MB,每月 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |