ElasticSearch?億級(jí)數(shù)據(jù)檢索深度優(yōu)化
[導(dǎo)讀]-???前言??-數(shù)據(jù)平臺(tái)已迭代三個(gè)版本，從頭開(kāi)始遇到很多常見(jiàn)的難題，終于有片段時(shí)間整理一些已完善的文檔，在此分享以供所需朋友的實(shí)現(xiàn)參考，少走些彎路，在此篇幅中偏重于ES的優(yōu)化，關(guān)于HBase，Hadoop的設(shè)計(jì)優(yōu)化估計(jì)有很多文章可以參考，不再贅述。-???需求說(shuō)明??-項(xiàng)目背景...
-? ? ?前言? ? -
數(shù)據(jù)平臺(tái)已迭代三個(gè)版本，從頭開(kāi)始遇到很多常見(jiàn)的難題，終于有片段時(shí)間整理一些已完善的文檔，在此分享以供所需朋友的實(shí)現(xiàn)參考，少走些彎路，在此篇幅中偏重于ES的優(yōu)化，關(guān)于HBase，Hadoop的設(shè)計(jì)優(yōu)化估計(jì)有很多文章可以參考，不再贅述。
-? ? ?需求說(shuō)明? ? -
項(xiàng)目背景：
在一業(yè)務(wù)系統(tǒng)中，部分表每天的數(shù)據(jù)量過(guò)億，已按天分表，但業(yè)務(wù)上受限于按天查詢，并且DB中只能保留3個(gè)月的數(shù)據(jù)(硬件高配)，分庫(kù)代價(jià)較高。改進(jìn)版本目標(biāo)：
- 數(shù)據(jù)能跨月查詢，并且支持1年以上的歷史數(shù)據(jù)查詢與導(dǎo)出。
- 按條件的數(shù)據(jù)查詢秒級(jí)返回。
-? ? ?深入原理? ? -
Elasticsearch檢索原理
3.1 關(guān)于ES和Lucene基礎(chǔ)結(jié)構(gòu)
談到優(yōu)化必須能了解組件的基本原理，才容易找到瓶頸所在，以免走多種彎路，先從ES的基礎(chǔ)結(jié)構(gòu)說(shuō)起(如下圖)：
一些基本概念:
- Cluster: 包含多個(gè)Node的集群
- Node: 集群服務(wù)單元
- Index: 一個(gè)ES索引包含一個(gè)或多個(gè)物理分片，它只是這些分片的邏輯命名空間
- Type: 一個(gè)index的不同分類，6.x后只能配置一個(gè)type，以后將移除
- Document: 最基礎(chǔ)的可被索引的數(shù)據(jù)單元，如一個(gè)JSON串
- Shards : 一個(gè)分片是一個(gè)底層的工作單元，它僅保存全部數(shù)據(jù)中的一部分，它是一個(gè)Lucence實(shí)例 (一個(gè)Lucene: 索引最大包含2,147,483,519 (= Integer.MAX_VALUE - 128)個(gè)文檔數(shù)量)
- Replicas: 分片備份，用于保障數(shù)據(jù)安全與分擔(dān)檢索壓力ES依賴一個(gè)重要的組件Lucene，關(guān)于數(shù)據(jù)結(jié)構(gòu)的優(yōu)化通常來(lái)說(shuō)是對(duì)Lucene的優(yōu)化，它是集群的一個(gè)存儲(chǔ)于檢索工作單元，結(jié)構(gòu)如下圖：
在Lucene中，分為索引(錄入)與檢索(查詢)兩部分，索引部分包含分詞器、過(guò)濾器、字符映射器等，檢索部分包含查詢解析器等。
一個(gè)Lucene索引包含多個(gè)segments，一個(gè)segment包含多個(gè)文檔，每個(gè)文檔包含多個(gè)字段，每個(gè)字段經(jīng)過(guò)分詞后形成一個(gè)或多個(gè)term。
通過(guò)Luke工具查看ES的lucene文件如下，主要增加了_id和_source字段:
3.2 Lucene索引實(shí)現(xiàn)
Lucene 索引文件結(jié)構(gòu)主要的分為：詞典、倒排表、正向文件、DocValues等，如下圖:注：整理來(lái)源于lucene官方: ?http://lucene.apache.org/core/7_2_1/core/org/apache/lucene/codecs/lucene70/package-summary.html#package.description
Lucene隨機(jī)三次磁盤讀取比較耗時(shí)。其中.fdt文件保存數(shù)據(jù)值損耗空間大，.tim和.doc則需要SSD存儲(chǔ)提高隨機(jī)讀寫性能。另外一個(gè)比較消耗性能的是打分流程，不需要?jiǎng)t可屏蔽。
-? ? ?關(guān)于 DocValues? ? -
倒排索引解決從詞快速檢索到相應(yīng)文檔ID, 但如果需要對(duì)結(jié)果進(jìn)行排序、分組、聚合等操作的時(shí)候則需要根據(jù)文檔ID快速找到對(duì)應(yīng)的值。
通過(guò)倒排索引代價(jià)缺很高：需迭代索引里的每個(gè)詞項(xiàng)并收集文檔的列里面 token。這很慢而且難以擴(kuò)展：隨著詞項(xiàng)和文檔的數(shù)量增加，執(zhí)行時(shí)間也會(huì)增加。Solr docs對(duì)此的解釋如下：
For other features that we now commonly associate with search, such as sorting, faceting, and highlighting, this approach is not very efficient. The faceting engine, for example, must look up each term that appears in each document that will make up the result set and pull the document IDs in order to build the facet list. In Solr, this is maintained in memory, and can be slow to load (depending on the number of documents, terms, etc.)
在lucene 4.0版本前通過(guò)FieldCache，原理是通過(guò)按列逆轉(zhuǎn)倒排表將（field value ->doc）映射變成（doc -> field value）映射，問(wèn)題為逐步構(gòu)建時(shí)間長(zhǎng)并且消耗大量?jī)?nèi)存，容易造成OOM。
DocValues是一種列存儲(chǔ)結(jié)構(gòu)，能快速通過(guò)文檔ID找到相關(guān)需要排序的字段。在ES中，默認(rèn)開(kāi)啟所有(除了標(biāo)記需analyzed的字符串字段)字段的doc values，如果不需要對(duì)此字段做任何排序等工作，則可關(guān)閉以減少資源消耗。
3.3 關(guān)于ES索引與檢索分片
ES中一個(gè)索引由一個(gè)或多個(gè)lucene索引構(gòu)成，一個(gè)lucene索引由一個(gè)或多個(gè)segment構(gòu)成，其中segment是最小的檢索域。數(shù)據(jù)具體被存儲(chǔ)到哪個(gè)分片上：shard = hash(routing) % number_of_primary_shards
默認(rèn)情況下 routing參數(shù)是文檔ID (murmurhash3),可通過(guò) URL中的 _routing 參數(shù)指定數(shù)據(jù)分布在同一個(gè)分片中，index和search的時(shí)候都需要一致才能找到數(shù)據(jù)，如果能明確根據(jù)_routing進(jìn)行數(shù)據(jù)分區(qū)，則可減少分片的檢索工作，以提高性能。
-? ? ?優(yōu)化案例? ? -
優(yōu)化案例
在我們的案例中，查詢字段都是固定的，不提供全文檢索功能，這也是幾十億數(shù)據(jù)能秒級(jí)返回的一個(gè)大前提：
- ES僅提供字段的檢索，僅存儲(chǔ)HBase的Rowkey不存儲(chǔ)實(shí)際數(shù)據(jù)。
- 實(shí)際數(shù)據(jù)存儲(chǔ)在HBase中，通過(guò)Rowkey查詢，如下圖。
- 提高索引與檢索的性能建議，可參考官方文檔（如 https://www.elastic.co/guide/en/elasticsearch/reference/current/tune-for-indexing-speed.html）。
一些細(xì)節(jié)優(yōu)化項(xiàng)官方與其他的一些文章都有描述，在此文章中僅提出一些本案例的重點(diǎn)優(yōu)化項(xiàng)。
4.1 ?優(yōu)化索引性能
- 批量寫入，看每條數(shù)據(jù)量的大小，一般都是幾百到幾千。
- 多線程寫入，寫入線程數(shù)一般和機(jī)器數(shù)相當(dāng)，可以配多種情況，在測(cè)試環(huán)境通過(guò)Kibana觀察性能曲線。
- 增加segments的刷新時(shí)間，通過(guò)上面的原理知道，segment作為一個(gè)最小的檢索單元，比如segment有50個(gè)，目的需要查10條數(shù)據(jù)，但需要從50個(gè)segment分別查詢10條，共500條記錄，再進(jìn)行排序或者分?jǐn)?shù)比較后，截取最前面的10條，丟棄490條。在我們的案例中將此 "refresh_interval": "-1" ，程序批量寫入完成后進(jìn)行手工刷新(調(diào)用相應(yīng)的API即可)。
- 內(nèi)存分配方面，很多文章已經(jīng)提到，給系統(tǒng)50%的內(nèi)存給Lucene做文件緩存，它任務(wù)很繁重，所以ES節(jié)點(diǎn)的內(nèi)存需要比較多(比如每個(gè)節(jié)點(diǎn)能配置64G以上最好）。
- 磁盤方面配置SSD，機(jī)械盤做陣列RAID5 RAID10雖然看上去很快，但是隨機(jī)IO還是SSD好。
- 使用自動(dòng)生成的ID，在我們的案例中使用自定義的KEY，也就是與HBase的ROW KEY，是為了能根據(jù)rowkey刪除和更新數(shù)據(jù)，性能下降不是很明顯。
- 關(guān)于段合并，合并在后臺(tái)定期執(zhí)行，比較大的segment需要很長(zhǎng)時(shí)間才能完成，為了減少對(duì)其他操作的影響(如檢索)，elasticsearch進(jìn)行閾值限制，默認(rèn)是20MB/s，可配置的參數(shù)："indices.store.throttle.max_bytes_per_sec" : "200mb" ?（根據(jù)磁盤性能調(diào)整）合并線程數(shù)默認(rèn)是：Math.max(1, Math.min(4, Runtime.getRuntime().availableProcessors() / 2))，如果是機(jī)械磁盤，可以考慮設(shè)置為1：index.merge.scheduler.max_thread_count: 1，在我們的案例中使用SSD，配置了6個(gè)合并線程。
4.2 優(yōu)化檢索性能
- 關(guān)閉不需要字段的doc values。
- 盡量使用keyword替代一些long或者int之類，term查詢總比range查詢好 (參考lucene說(shuō)明 http://lucene.apache.org/core/7_4_0/core/org/apache/lucene/index/PointValues.html)。
- 關(guān)閉不需要查詢字段的_source功能，不將此存儲(chǔ)僅ES中，以節(jié)省磁盤空間。
- 評(píng)分消耗資源，如果不需要可使用filter過(guò)濾來(lái)達(dá)到關(guān)閉評(píng)分功能，score則為0，如果使用constantScoreQuery則score為1。
- 關(guān)于分頁(yè)：
- from size: 每分片檢索結(jié)果數(shù)最大為 from size，假設(shè)from = 20, size = 20，則每個(gè)分片需要獲取20 * 20 = 400條數(shù)據(jù)，多個(gè)分片的結(jié)果在協(xié)調(diào)節(jié)點(diǎn)合并(假設(shè)請(qǐng)求的分配數(shù)為5，則結(jié)果數(shù)最大為 400*5 = 2000條) 再在內(nèi)存中排序后然后20條給用戶。這種機(jī)制導(dǎo)致越往后分頁(yè)獲取的代價(jià)越高，達(dá)到50000條將面臨沉重的代價(jià)，默認(rèn)from size默認(rèn)如下：index.max_result_window ：10000
- search_after: ?使用前一個(gè)分頁(yè)記錄的最后一條來(lái)檢索下一個(gè)分頁(yè)記錄，在我們的案例中，首先使用from size，檢索出結(jié)果后再使用search_after，在頁(yè)面上我們限制了用戶只能跳5頁(yè)，不能跳到最后一頁(yè)。
- scroll 用于大結(jié)果集查詢，缺陷是需要維護(hù)scroll_id
- 關(guān)于排序：我們?cè)黾右粋€(gè)long字段，它用于存儲(chǔ)時(shí)間和ID的組合(通過(guò)移位即可)，正排與倒排性能相差不明顯。
- 關(guān)于CPU消耗，檢索時(shí)如果需要做排序則需要字段對(duì)比，消耗CPU比較大，如果有可能盡量分配16cores以上的CPU，具體看業(yè)務(wù)壓力。
- 關(guān)于合并被標(biāo)記刪除的記錄，我們?cè)O(shè)置為0表示在合并的時(shí)候一定刪除被標(biāo)記的記錄，默認(rèn)應(yīng)該是大于10%才刪除："merge.policy.expunge_deletes_allowed": "0"。
{
????"mappings":?{
????????"data":?{
????????????"dynamic":?"false",
????????????"_source":?{
????????????????"includes":?["XXX"]??--?僅將查詢結(jié)果所需的數(shù)據(jù)存儲(chǔ)僅_source中
????????????},
????????????"properties":?{
????????????????"state":?{
????????????????????"type":?"keyword",???--?雖然state為int值，但如果不需要做范圍查詢，盡量使用keyword，因?yàn)?span>int需要比keyword增加額外的消耗。
????????????????????"doc_values":?false??--?關(guān)閉不需要字段的doc values功能，僅對(duì)需要排序，匯聚功能的字段開(kāi)啟。
????????????????},
????????????????"b":?{
????????????????????"type":?"long"????--?使用了范圍查詢字段，則需要用long或者int之類?（構(gòu)建類似KD-trees結(jié)構(gòu)）
????????????????}
????????????}
????????}
????},
???"settings":?{......}
}
-? ? ?性能測(cè)試? ? -
優(yōu)化效果評(píng)估基于基準(zhǔn)測(cè)試，如果沒(méi)有基準(zhǔn)測(cè)試無(wú)法了解是否有性能提升，在這所有的變動(dòng)前做一次測(cè)試會(huì)比較好。在我們的案例中：
- 單節(jié)點(diǎn)5千萬(wàn)到一億的數(shù)據(jù)量測(cè)試，檢查單點(diǎn)承受能力。
- 集群測(cè)試1億-30億的數(shù)量，磁盤IO/內(nèi)存/CPU/網(wǎng)絡(luò)IO消耗如何。
- 隨機(jī)不同組合條件的檢索，在各個(gè)數(shù)據(jù)量情況下表現(xiàn)如何。
- 另外SSD與機(jī)械盤在測(cè)試中性能差距如何。
性能的測(cè)試組合有很多，通常也很花時(shí)間，不過(guò)作為評(píng)測(cè)標(biāo)準(zhǔn)時(shí)間上的投入有必要，否則生產(chǎn)出現(xiàn)性能問(wèn)題很難定位或不好改善。對(duì)于ES的性能研究花了不少時(shí)間，最多的關(guān)注點(diǎn)就是lucene的優(yōu)化，能深入了解lucene原理對(duì)優(yōu)化有很大的幫助。
-? ? ?生產(chǎn)效果? ? -
目前平臺(tái)穩(wěn)定運(yùn)行，幾十億的數(shù)據(jù)查詢100條都在3秒內(nèi)返回，前后翻頁(yè)很快，如果后續(xù)有性能瓶頸，可通過(guò)擴(kuò)展節(jié)點(diǎn)分擔(dān)數(shù)據(jù)壓力。
rce-title="" style="color: rgba(0, 0, 0, 0.5);">作者：fredalxinhttps://fredal.xin/graceful-soa-updown
下載文檔
