系列目錄

內存吞金獸(Elasticsearch)的那些事兒 -- 認識一下

內存吞金獸(Elasticsearch)的那些事兒 -- 數據結構及巧妙算法

內存吞金獸(Elasticsearch)的那些事兒 -- 架構&三高保證

內存吞金獸(Elasticsearch)的那些事兒 -- 寫入&檢索原理

內存吞金獸(Elasticsearch)的那些事兒 -- 常見問題痛點及解決方案

1、大數據量的查詢效率如何保證：

查詢的流程：往 ES 里寫的數據，實際上都寫到磁盤文件里去了，查詢的時候，操作系統會將磁盤文件里的數據自動緩存到 Filesystem Cache 里面去

最佳的情況下，就是機器的內存，至少可以容納總數據量的一半，僅僅在 es 中就存少量的數據，就是要用來搜索的那些索引，如果內存留給 filesystem cache 的是 100G，那么將索引數據控制在 100G 以內，這樣的話，數據幾乎全部走內存來搜索，性能非常之高，一般可以在 1 秒以內，但是生成環境的數據量往往還是會很多，有大致四種方案：

1）數據預熱

平時看的人很多的數據，每隔一會兒，去搜索一下熱數據，刷到 filesystem cache 里去，后面用戶實際上來看這個熱數據的時候，就是直接從內存里搜索了；

2）冷熱分離

將大量的訪問很少、頻率很低的數據，單獨寫一個索引，然后將訪問很頻繁的熱數據單獨寫一個索引。最好是將冷數據寫入一個索引中，然后熱數據寫入另外一個索引中，這樣可以確保熱數據在被預熱之后，盡量都讓他們留在 filesystem os cache 里，別讓冷數據給沖刷掉。

3）es+Hbase架構： 

es只存儲索引字段，其他數據放到mysql/hbase中；

舉例說明：id,name,age .... 30 個字段。現在搜索，只需要根據 id,name,age 三個字段來搜索。如果往 es 里寫入一行數據所有的字段，就會導致說 90% 的數據是不用來搜索的，結果硬是占據了 es 機器上的 filesystem cache 的空間，單條數據的數據量越大，就會導致 filesystem cahce 能緩存的數據就越少。其實，僅僅寫入 es 中要用來檢索的少數幾個字段就可以了，比如說就寫入es id,name,age 三個字段，然后你可以把其他的字段數據存在 mysql/hbase 里，我們一般是建議用 es + hbase 這么一個架構。

4）document 模型設計
對于 MySQL，我們經常有一些復雜的關聯查詢。es 里面的復雜的關聯查詢盡量別用，一旦用了性能一般都不太好。

要先在 Java 系統里就完成關聯，將關聯好的數據直接寫入 es 中。搜索的時候，就不需要利用 es 的搜索語法來完成 join 之類的關聯搜索了。

2、分頁查詢痛點及解決方案：

假設現在要查詢第100頁的10條數據，但是對于es來說，from=1000000，size=100，這時 es需要從各個分片上查詢出來10000100條數據，然后匯總計算后從其中取出100條。如果有5個分片則需要查詢出來5*10000100條數據，如果現在有并發的100個查詢請求，就會有50億左右的數據，占用的內存是非常高的，所以在使用es的分頁查詢過程中，剛開始翻頁可能速度比較快，可能到第一百頁查詢就需要4-5s，翻到1000頁以后，系統資源占用成指數級上升，很容易就會出現OOM直接報錯。

分頁方案：

1）基本的from-size查詢，es為了避免深度分頁帶來的內存開銷，from最大值設定到了10000，目前后臺運營的翻頁最多關心近10頁的數據；

2）search after按照第一個檢索到的最后顯示的“balance”和‘_id’值，作為下一個檢索search_after的參數，例如假定size是10，當查詢990-1000時，通過上次傳遞的最后一個檢索到的值，在分片上就可以取到10條文檔，不支持上一頁查詢。

3）scroll查詢

scroll查詢原理是在第一次查詢的時候一次性生成一個快照，根據上一次的查詢的id來進行下一次的查詢，這個就類似于關系型數據庫的游標，然后每次滑動都是根據產生的游標id進行下一次查詢，這種性能比上面說的分頁性能要高出很多，基本都是毫秒級的。

注意點：scroll不支持跳頁查詢。

使用場景：對實時性要求不高的查詢。

代碼：

設置查詢條件

首次查詢

• 第一次查詢，跟平時的search查詢一樣需要設置index和type以及查詢條件。
• 如果把查詢類型設置成SCAN，那么不能獲取結果并且不支持排序，只能獲得scrollId，如果使用默認設置或者不設置，那么第一次在獲取id的同時也可以獲取到查詢結果。
• 這個size大小的意思不是總分頁的大小，實際數量應該是：所以實際返回的數量是：分片的數量*size
• 滾動時間設置是指在這個查詢搜索結果的緩存時間，時間不能太久，畢竟內存空間是有限的。

第二次查詢

4） 利用scroll-scan遍歷數據

使用場景：500w用戶，需要遍歷所有用戶發送數據，并且對順序沒有要求，這個時候我們可以使用scroll-scan。

scroll和scroll-scan區別

1. scroll支持排序，scroll-scan不支持排序，是按照索引順序返回，可以提高查詢效率。

2. scroll-scan第一次查詢只支持返回id，沒有結果。

總結：

1. es的分頁查詢不支持深度分頁，如果偏要使用要結合具體業務場景進行使用。不能當成關系型數據庫中的分頁進行使用。
2. 要想提高產品體驗和查詢效率不能過于依賴技術，要結合需求進行分析以提高體驗，因為很多搜索類產品都不支持深度分頁。
3. 如果在不涉及排序的情況下盡量使用scroll-scan，它是按照索引順序返回，提高效率。