Elasticsearch系列---Elasticsearch的基本概念及工作原理
基本概念
Elasticsearch有幾個核心的概念，花幾分鐘時間瞭解一下，有助於後面章節的學習。
NRT
Near Realtime，近實時，有兩個層面的含義，一是從寫入一條資料到這條資料可以被搜尋，有一段非常小的延遲（大約1秒左右），二是基於Elasticsearch的搜尋和分析操作，耗時可以達到秒級。
Cluster
叢集，對外提供索引和搜尋的服務，包含一個或多個節點，每個節點屬於哪個叢集是通過叢集名稱來決定的（預設名稱是elasticsearch），叢集名稱搞錯了後果很嚴重。命名建議是研發、測試環境、準生產、生產環境用不同的名稱增加區分度，例如研發使用es-dev，測試使用es-test，準生產使用es-stg，生產環境使用es-pro這樣的名字來區分。如果是中小型應用，叢集可以只有一個節點。
Node
單獨一個Elasticsearch伺服器例項稱為一個node，node是叢集的一部分，每個node有獨立的名稱，預設是啟動時獲取一個UUID作為名稱，也可以自行配置，node名稱特別重要，Elasticsearch叢集是通過node名稱進行管理和通訊的，一個node只能加入一個Elasticsearch叢集當中，叢集提供完整的資料儲存，索引和搜尋的功能，它下面的每個node分攤上述功能（每條資料都會索引到node上）。
shard
分片，是單個Lucene索引，由於單臺機器的儲存容量是有限的（如1TB），而Elasticsearch索引的資料可能特別大（PB級別，並且30GB/天的寫入量），單臺機器無法儲存全部資料，就需要將索引中的資料切分為多個shard，分佈在多臺伺服器上儲存。利用shard可以很好地進行橫向擴充套件，儲存更多資料，讓搜尋和分析等操作分佈到多臺伺服器上去執行，提升叢集整體的吞吐量和效能。
shard在使用時比較簡單，只需要在建立索引時指定shard的數量即可，剩下的都交給Elasticsearch來完成，只是建立索引時一旦指定shard數量，後期就不能再更改了。
replica
索引副本，完全拷貝shard的內容，shard與replica的關係可以是一對多，同一個shard可以有一個或多個replica，並且同一個shard下的replica資料完全一樣，replica作為shard的資料拷貝，承擔以下三個任務：
- shard故障或宕機時，其中一個replica可以升級成shard。
- replica保證資料不丟失（冗餘機制），保證高可用。
- replica可以分擔搜尋請求，提升整個叢集的吞吐量和效能。
shard的全稱叫primary shard，replica全稱叫replica shard，primary shard數量在建立索引時指定，後期不能修改，replica shard後期可以修改。預設每個索引的primary shard值為5，replica shard值為1，含義是5個primary shard，5個replica shard，共10個shard。
因此Elasticsearch最小的高可用配置是2臺伺服器。
Index
索引，具有相同結構的文件集合，類似於關係型資料庫的資料庫例項（6.0.0版本type廢棄後，索引的概念下降到等同於資料庫表的級別）。一個叢集裡可以定義多個索引，如客戶資訊索引、商品分類索引、商品索引、訂單索引、評論索引等等，分別定義自己的資料結構。
索引命名要求全部使用小寫，建立索引、搜尋、更新、刪除操作都需要用到索引名稱。
type
型別，原本是在索引(Index)內進行的邏輯細分，但後來發現企業研發為了增強可閱讀性和可維護性，制訂的規範約束，同一個索引下很少還會再使用type進行邏輯拆分（如同一個索引下既有訂單資料，又有評論資料），因而在6.0.0版本之後，此定義廢棄。
Document
文件，Elasticsearch最小的資料儲存單元，JSON資料格式，類似於關係型資料庫的表記錄（一行資料），結構定義多樣化，同一個索引下的document，結構儘可能相同。
工作原理
簡單地瞭解一下Elasticsearch的工作原理。
啟動過程
當Elasticsearch的node啟動時，預設使用廣播尋找叢集中的其他node，並與之建立連線，如果叢集已經存在，其中一個節點角色特殊一些，叫coordinate node（協調者，也叫master節點），負責管理叢集node的狀態，有新的node加入時，會更新叢集拓撲資訊。如果當前叢集不存在，那麼啟動的node就自己成為coordinate node。
應用程式與叢集通訊過程
雖然Elasticsearch設定了Coordinate Node用來管理叢集，但這種設定對客戶端（應用程式）來說是透明的，客戶端可以請求任何一個它已知的node，如果該node是叢集當前的Coordinate，那麼它會將請求轉發到相應的Node上進行處理，如果該node不是Coordinate，那麼該node會先將請求轉交給Coordinate Node，再由Coordinate進行轉發，搓著各node返回的資料全部交由Coordinate Node進行彙總，最後返回給客戶端。
叢集內node有效性檢測
正常工作時，Coordinate Node會定期與拓撲結構中的Node進行通訊，檢測例項是否正常工作，如果在指定的時間週期內，Node無響應，那麼叢集會認為該Node已經宕機。叢集會重新進行均衡：
- 重新分配宕機的Node，其他Node中有該Node的replica shard，選出一個replica shard，升級成為primary shard。
- 重新安置新的shard。
- 拓撲更新，分發給該Node的請求重新對映到目前正常的Node上。
小結
本篇章簡單的向大家介紹了一下Elasticsearch的基本概念和工作原理，讓大家有個比較淺顯的認識，後續會結合實際的例子，來了解一下Elasticsearch基本的用法。
專注Java高併發、分散式架構，更多技術乾貨分享與心得，請關注公眾號：Java架構社群
