[db:标题]

前言 最近面试过程中遇到问Elasticsearch的问题不少，这次总结一下，然后顺便也了解一下Elasticsearch内部是一个什么样的结构，毕竟总不能就只了解个倒排索引吧。本文标题就是我遇到过的两个问题，所以此次基本上只是围绕着这两个问题来总结。 ES写入数据 在介绍写入数据的过程时，先明确一下ES中的一些关键性的概念： Cluster：集群，由一到N个Elasticsearch服务节点组成。 Node：节点，组成Elasticsearch集群的基本单元，单个集群内节点名称唯一。通常一个节点中分配一道多个分片。 Shards：分片，当ES的索引数据过大时，会进行水平拆分，拆分出来的每一个单元都称为分片。在进行写入数据的时候，会通过路由来确定具体写到哪个分片（主分片）上，所以在创建索引的时候就要确定好分片（主分片）数量，并且一旦确定不可更改。索引数据在经过分片后，在数据管理和性能上都有很大提升，并且每一个分片都是一个Lucene的索引，每个分片都必须有一个主分片和零到多个副分片。 Replicas：副本或备份，副本是指对主分片的备份分片，无论是主分片还是副本分片都可以对外提供查询服务。但是写入操作时是先写入主分片，然后再分发到副本上。 当主分片不可用时会在副本分片上选举一个作为主分片，因此副本不仅可以保证系统的高可用性，还可以提升搜索时的并发性能（主副分片都可以提供查询）。但并不是副本越多越好，副本数量过多会导致数据同步的负担过大。 分片分配实际计算方法： 1、按数据量估算：分片数 = 向上取整(预估总数据量 / 单个分片理想大小)。例：预估数据量 300GB，理想分片大小 30GB → 分片数 ≈ 10 个 2、按节点规模估算：分片数 ≈ 数据节点数 × 2（或1.5~3倍之间调整）。例：4 个数据节点 → 分片数建议 6~12 个 副本策略：副本数建议 ≤ 数据节点数 - 1（如 3 节点 → 2 副本） Index：索引，由一个和多个分片组成，单个集群内索引名字是唯一的。 Type：类型，指索引内部的逻辑分区，一般是通过Type的名字来进行分区，若是查询条件中没有该值，则说明在整个索引中执行查询。 Document：文档，ES索引中的每一条数据都称为一个Document，基本上和关系型数据库中的一个记录意思相同，通过_id，在Type内进行唯一标识。 Settings：对集群中索引的设定，例如默认的分片数量，副本数等信息。 Mapping：这里的Mapping类似于，关系型数据库的表结构信息，这里面包含了索引中字段的存储类型，分词方式，是否分词等信息。 Elasticsearch中的Mapping是可以动态识别的，Elasticsearch字段的数据格式识别它的类型，但是若是需要对Filed字段进行特殊设置时，就需要手动创建Mapping了。注意：一个Mapping一旦创建成功后，若是已经存储了数据了，就不可以修改了。 Analyzer：字段的分词方式的定义，一个Analyzer，通常由一个Tokenizer，零到多个Filter组成。例如默认的标准Analyzer包含一个标准的Analyzer和三个Filter（Standard Token Filter、Lower Case Token Filter、Stop Token Filter）。 Elasticsearch的节点分类 Master Node（主节点）：主节点主要负责创建索引，删除索引，分配分片，追踪集群中的节点状态等工作。在配置文件中设置node.master=true 来将该节点设置成候选主节点，在集群中只有候选主节点才有选举权和被选举权。 Data Node（数据节点）：数据节点负责数据的存储和相关具体操作，例如索引数据的创建，更新，搜索，聚合等操作。因此，数据节点对机器的要求比较高无论是在磁盘空间还是CPU、内存、I/O性能等。 集群在扩大后，需要增加更多的数据节点来提高可用性，在配置文件中通过node.data=true 来设置当前节点为数据节点。 Client Node（客户端节点）：客户端节点是既不做候选主节点也不做数据节点的节点，只负责请求的分发、汇总等。若是单独增加这种节点主要是更多地为了提高并发性。 Tribe Node（部落节点）：部落节点可以跨越多个集群，它可以接收每个集群的状态，然后合并成一个全局集群状态。 Coordinating Node（协调节点）：协调节点只是一个角色，并不是指具体的某个集群节点，也没法通过配置来指定某个节点为协调节点，这也就说明集群中任何一个节点都可以是协调节点。