Elasticsearch索引的架构设计.docx
《Elasticsearch索引的架构设计.docx》由会员分享,可在线阅读,更多相关《Elasticsearch索引的架构设计.docx(8页珍藏版)》请在冰豆网上搜索。
Elasticsearch索引的架构设计
Elasticsearch索引的架构设计
1、Elasticsearch索引的设计
1.1单一索引还是基于时间的索引?
单一索引的问题:
1)不能更新Mapping。
比如:
主分片数不可以修改(除非reindex)。
2)无法灵活、快速地扩展。
3)更适合固定、小型数据集。
基于时间的索引面临的问题:
1)如何确定间隔?
∙数据量
∙变更频率
∙默认尝试每周为单位分割——建议
2)如何实施?
∙索引模板
1.2定义索引注意事项
举例:
注意1:
不要在一个索引中定义多个type。
6.X版本已经不支持,7.X版本彻底不支持。
扩展问题:
5.X版本的父子文档实际实现中是一个索引中定义了多个type,到了6.X中实现方式改变为:
join方式。
注意2:
将Set_source设置为false。
假设你只关心度量结果,不是原始文件内容。
将节省磁盘空间并减少IO。
这个点,需要结合实际的业务场景具体问题具体分析。
举例:
"_source":
{
"enabled":
false
},
注意3:
将_all设置为false。
假设你确切地知道你对哪个field做查询操作?
能实现性能提升,缩减存储。
举例:
"_all":
{
"enabled":
false},
注意4:
设置dynamic=strict。
假设你的数据是结构化数据。
字段设置严格,避免脏数据注入。
举例:
"dynamic":
"strict",
注意5:
使用keyword类型
假设你只关心完全匹配
提高性能和缩小磁盘存储空间
举例:
"CLF_CustomerID":
{
"type":
"keyword"
},
注意6:
使用别名
如何在不停机的前提从一个索引切换到另一个索引?
举例:
"aliases":
{
"{index}-query":
{
}
或者你通过head插件创建。
2、Elasticsearch分片分配原则
社区和QQ群中经常被问到的问题:
1)应该分几个索引、几个分片?
2)每个分片大小如何设置?
3)副本多少如何设置?
这里,明确给出实操可行的6个步骤。
步骤1:
定义索引
思考索引中要大致有哪些字段?
最好能列一个Excel表统计一下,包含但不限于:
序号、名称、类型、作用、备注。
以上对计算单条数据大小也有用。
步骤2:
评估数据量
评估方法举例:
1分钟有100条数据,1天=1006024=144000条。
1月=144000条30天=432W条数据。
1年=432W12=5184W条数据。
假设要保存2年,共=10368W条数据。
假设每条数据20KB,共需要存储:
10368W*20/1024/1024/1024=1.977TB。
步骤3:
评估索引大小和磁盘空间
步骤4:
计算分片数
细节考虑点:
1、每个分片大小应小于30GB。
2、分片数量=k*数据节点数目(k=一个足够小的整数,举例:
1,2,3)
3、假设你有一个小的索引,并且你有集群中有足够的节点,请尝试使用默认值分片数5。
步骤5:
评估索引数和类型
(此处可能会有多次反馈迭代)
3、数据去重的思考
方法1:
指定唯一id
缺点:
1、唯一值无法压缩,不利于存储。
2、存在高基数问题。
方法2:
用聚合方法实现
步骤1:
所有文档加一个Hash值;
步骤2:
检查重复;
步骤3:
批量删除步骤2中的重复id。
以上步骤,不影响写入,可以实现异步。
缺点:
1.存储量大(尤其超过3亿条+);
2.随着数据量增加,聚合受影响,越来越慢。
3.存在高基数问题。
方法3:
用distinctquery实现