三剑客：Elastic Stack
在学习ELK前，先对 Lucene作基本了解。
今天才知道关系型数据库的索引是 B-Tree，罪过...
- 减少磁盘寻道次数 ---> 提高查询性能
Lucene
原始数据基础查询 + 原始数据聚合查询
- 物化视图
- 实时聚合
核心：反向倒排索引
//关键词 document ---> term ---> posting list<docid> term dictionary ---> term index
- Term Index：以 FST（finite state transducers）形式保存
- Term Dictionary： 以分 block 形式式保存，block 内公共前缀压缩 term
联合索引查询
- skip list 数据结构：同时遍历 A和 B的 posting list，互相 skip
- Frame Of Reference编码压缩 docid
- bitset 数据结构：对 A和 B两个 filter分别求出 bitset，对两个 bitset做 AND 操作
- Roaring Bitmap
关于两者的性能比较，参见：Frame of Reference and Roaring Bitmaps
Nested Document
定期行数据合并：子文档 ---> 父文档
DocValues
主存储按列组织，随机读操作很快
- 底层读文件方式：memory mapped byte buffer（mmp）
时间序列数据库秘密：https://segmentfault.com/a/1190000003502849?mType=Group
E：Elasticsearch
基于Lucene实现，接近实时（NRT，Near Realtime）的搜索平台，基于 JSON的分布式搜索和分析引擎
- 开源分布式搜索与数据分析引擎
- 面向文档型，文档Json序列化
- PB 级的数据处理
- 开箱即用，RESTful WebApi：Json
官网：https://www.520mwx.com/view/44635，版本演进：5.x --> 6.x --> 7.x
从5.x支持拆分成text和keyword，在6.x废弃string 在7.x废弃TransportClient，建议High-level-rest-client 在7.x使用默认的_doc作为type，在8.x移除type 从7.x默认节点名称为主机名，分片数改为1 在7.x默认自带jdk 从7.x Kibana支持全局开启“黑暗”模式 从7.x时间戳从毫秒级支持至纳秒级
- Weak-AND算法：取 TOP-N 结果集，估算命中记录数
- 间隔查询(Intervals query)
关于7.x版本参见：Elastic Stack 7.0.0， Breaking changes in 7.0
ES每日持续性能监控：https://benchmarks.elastic.co/index.html
基本概念
关系数据库 --> 数据库 --> 表 --> 行(Rows) --> 列(Columns) Elasticsearch --> 索引(Index) --> 类型(type) --> 文档(Docments) --> 字段(Fields)
其中，document 是可以被索引的基本信息单元，Index 名字务必小写 。
基本操作：GET-查询，POST-更新，PUT-增加，DELETE-删除
- 倒排索引：词条-文档，segment在硬盘
- 顺排索引：文档-词条，fielddata堆内存，通过format参数控制是否启用字段的fielddata特性，loading属性控制fielddata加载到内存的时机
最佳场景：1、检索 2、统计监控 3、(日志)分析
- 新浪ES 如何分析处理32亿条实时日志：http://dockone.io/article/505
- 阿里ES 构建挖财自己的日志采集和分析体系：http://afoo.me/columns/tec/logging-platform-spec.html
- 有赞ES 业务日志处理：http://tech.youzan.com/you-zan-tong-ri-zhi-ping-tai-chu-tan/
- ES实现站内搜索：http://www.wtoutiao.com/p/13bkqiZ.html
docid --> block --> Segment --> Shards/Replicas --> Index
分片 number_of_shards：
- 支持水平分割/扩展内容容量
- 支持在分片之上进行分布式、并行操作
复制 number_of_replicas：
- 在分片/节点失败的情况下，提供了高可用性
- 在所有的复制上并行运行，扩展搜索量/吞吐量
默认情况下，Elasticsearch中的每个索引配置5个主分片和每个分片的1个复制
节点数 <= 主分片数 *（副本数+1）
shards索引创建后不可更改，replicas可用 update-index-settings API 动态修改
PUT /myindex/_settings {
"number_of_replicas": 1
}
Mapping映射
动态映射 --> 定制映射
- 创建索引同时创建映射
- 先创建索引，再创建映射
mapping一经创建无法修改，若要修改需重新建立索引和定义映射，具体方法：
step1.给现有索引定义别名，并把现有索引指向该别名，PUT /现有索引/_alias/别名A
step2.新创建一个索引，定义新的映射关系
step3.将别名指向新的索引，并且取消之前索引的执行
POST /_aliases
{
"actions":[
{"remove": { "index": "现有索引名", "alias":"别名A" }},
{"add" : { "index": "新建索引名", "alias":"别名A" }}
]
}
性能：实现索引的平滑过渡，并且是零停机。
索引+检索
精髓：一切设计都是为了提高搜索的性能
- Java API
- HTTP Restful API
【强烈推荐】：Elasticsearch 的性能优化，亿级 Elasticsearch 性能优化
自动创建索引
action.auto_create_index:false //禁止自动创建索引 index.mapper.dynamic: false //禁止自动映射 PUT http://host:port/index_name/ + index_configuration //手动建立索引
通常设置为true即可
PUT /_cluster/settings
{
"persistent" : {
"action": {
"auto_create_index": "true"
}
}
}
其中，indiex_configuration用于定义索引的配置信息：映射节（mappings）和配置节（settings）
PUT faceafvmain-201905{
"settings":{
"number_of_shards":5,
"number_of_replicas":0
},
"mappings":{
"articles":{
"dynamic_date_formats":["yyyy-MM-dd", "yyyyMMdd"],
"dynamic":"false",
"properties":{
"articleid":{
"type":"long",
"index":"not_analyzed",
},
"title":{
"type":"string",
"index":"analyzed",
},
"author":{
"type":"string",
"index":"analyzed",
},
"content":{
"type":"string",
"index":"analyzed",
},
"postat":{
"type":"date",
"format":["yyyy-MM-dd", "yyyyMMdd"],
"index":"not_analyzed",
}
}
}
}
}
若未手动指定时间戳，_source中也不存在时间戳字段，建议指定mapping中的_timestamp设置为enable
PUT myindex {
"mappings": {
"mytype": {
"_timestamp": {
"enabled": true
}
}
}
}
索引使用问题总结
[1]. 建议使用double，float类型存储在es中可能存在精度损失
[2]. 索引数据插入与更新
插入："result": "created"，"_version": 1 更新："result": "updated", "_version": 2
[3]. IP类型：支持ipv4/ipv6
文档刷新与过期时间
TTL时间间隔以_timestamp为基准
若数据操作索引后要马上能搜到，可手动执行refresh操作：只要在API后面添加 refresh=true ，但不建议
Pipeline Aggregation
先了解下聚合
- metric：类似sum、avg等
- bucket：类似group by
可优化网络传输量
- Shard本地聚合 ---> 多Shards最终聚合
- Hyperloglog算法
Pipeline Aggregation 作为聚合的 plus版本
ElasticSearch使用列式存储实现排序和聚合查询
elasticsearch安装
推荐 ES 6.x版本，暂用 -v6.8.0 & -v6.2.0
鉴于 .net Framework生产最高 4.6，也采用 ES v6.2.0版本
同时考虑 Java技术栈中 NodeClient已过期，当前流行的 Transport Client在 7.x版本开始将不再支持
运行：elasticsearch.bat
9300：java/.Net 程序访问的端口（tcp） 9200：浏览器、postman 访问端口（http）
默认 ES只允许本机访问，修改 config/elasticsearch.yml文件，修改 network.host 为 0.0.0.0或指定IP，再重启即可
建议在文件最后新增如下配置
http.cors.enabled: true //是否支持跨域
http.cors.allow-origin: "*" //支持所有域名 （以上2个配置解决：使用 Head 插件连接不上集群）
node.master: true
node.data: true
注意，根据规划 ES 6.x版每个 Index只允许包含一个 Type，7.x版将会彻底移除 Type：Removal of mapping types
若遇报错
ERROR: bootstrap checks failed system call filters failed to install; check the logs and fix your configuration or disable system call filters at your own risk
则在配置文件中新增
bootstrap.memory_lock: false bootstrap.system_call_filter: false
常用命令
http://localhost:9200/_cat/indices?v //当前结点的所有Index http://localhost:9200/_mapping?pretty=true //当前Index包含的所有Type http://ip:9200/_nodes #查看节点信息 http://ip:9200/_template #查看模板 GET /Index/Type/_search?pretty #返回索引记录，默认size=10 GET /index_name/_mapping/type_name #查询映射 GET /index_Name/_mapping #获取映射关系 GET /_all/_mapping/ #获取集群内的所有映射关系
安装教程：https://blog.csdn.net/weixin_42633131/article/details/82902812
elasticsearch-head插件
下载地址：https://github.com/mobz/elasticsearch-head
在 Gruntfile.js的 connect配置项中新增 hostname:'*',
注意，es5 以上版本安装 head需要安装 node和 grunt
- node.js -v8.11.3
- grunt -v1.3.2
重点了解下grunt
JavaScript 任务运行器，基于 Node.js的项目构建工具，可以进行打包压缩、测试、执行等工作
npm install -g grunt-cli #全局安装 grunt -version #查看版本号
head 插件通过 grunt 启动。
安装教程：https://www.cnblogs.com/wymbk/p/5766064.html
head/_site/app.js 下配置修改
#这里改成es的IP和端口
this.base_uri = this.config.base_uri || this.prefs.get("app-base_uri") || "http://99.6.150.141:9200";
暂时未用到，先 mark 备用。
安装：npm install 运行：grunt server 或 npm run start
安装时若出现 FetchError: request to https://registry.npmjs.com/grunt-karma failed，reason connect EACCES 104.16.27.35:443
解决：更新npm：npm install -g npm
若出现 notarget No matching version found for grunt-karma@2.0.0
解决：重新安装grunt
若出现 error phantomjs-prebuilt@2.1.16 install: 'node install.js'
解决：执行npm install -g phantomjs-prebuilt@2.1.16 --ignore-scrip
相关信息可参考：npm install error | stackoverflow
至于出现 Local Npm module "grunt-contrib-jasmine" not found. Is it installed?
解决：可以忽略，尚不影响使用，也可以安装 npm install grunt-contrib-jasmine解决
注意，出现 connect EACCES 或 connect ETIMEDOUT，优先启用重试大法命令。
安装教程：https://blog.csdn.net/qq_42875667/article/details/87450394
ik分词器
ES 内置分词器（standard、simple）效果不理想，推荐插件安装：IK Analyzer v3.0
- 面向Java的公用分词组件，独立于Lucene项目
- 正向迭代最细粒度切分算法
- 多子处理器分析模式
选择与 ES配套的版本即可，下载地址，或选择其他分词器 smartcn
- analyzer：字段文本的分词器
- search_analyzer：搜索词的分词器
- ik_max_word：插件ik提供的分词器，可对文本进行最大数量的分词
重命名为 ik，放在 elasticsearchplugins 目录下重启 es 即可
- IKAnalyzer.cfg.xml：扩展词和停用词文件
分词在线测试地址：grokdebug
注意，原始文本作为单个分词最大长度默认 32766Bytes，可以通过 ignore_above 属性设置字符个数
ES中一个字段不能同时支持全文和聚合搜索，除非采用如下方式：参见
"url": {
"type": "string", "analyzer": "simple",
"fields": {
"keyword": {
"type": "keyword", "ignore_above": 256
}
}
},
基本使用
几个重要的配置
# (master_eligible_nodes / 2) + 1 discovery.zen.minimum_master_nodes：集群主节点最小可见数量，为提高集群的可用性，避免集群脑裂 discovery.zen.ping.unicast.hosts：节点发现机制，unicast通信方式 discovery.zen.ping_timeout：发现过程中的等待时间，默认3秒 bootstrap.memory_lock：ture 启用Elasticsearch的内存锁定，避免内存被OS换出
L：Logstash
动态数据收集管道，日志解析引擎，拥有可扩展的插件生态系统。
官网：https://www.elastic.co/cn/products/logstash
下载版本与 es一致即可：下载地址
安装教程：
- 组成部分：input、filter、output、codec
- Grok：filter核心插件，文本格式字符串 ---> 结构化数据 + 正则表达式：测试地址
filter的ruby插件待学习...
基本使用
Shipper Logstash --> Redis --> Indexer Logstash --> Elasticsearch
K：Kibana
分析和可视化平台， 统计 。官网：https://www.elastic.co/cn/products/kibana
默认 Kibana只允许本机访问，修改 config/kibana.yml文件，修改 server.host 为 0.0.0.0或指定IP，再重启即可
http://ip:5601/app/kibana#/home/tutorial_directory/sampleData?_g=() #添加kibana样例数据
基本使用
REST访问模式：<REST Verb>/<Index>/<Type>/<ID>
http://localhost:5601/status #状态信息
GET _cluster/health
GET /_cat/health?v #集群健康信息
GET /_cat/nodes?v #集群中结点列表
GET /_cat/indices?v #集群中索引列表
GET _cat/plugins
GET / #集群属性信息
GET /_all/_settings #索引配置信息
GET /index_c/_settings
PUT index_c/_settings { #配置索引参数
"index":{
"max_result_window":50000
}
}
删除
DELETE /index_name
DELETE /index_name/type_name/0gt3dWwBJmcVNuQWEmyy
POST /index_name/type_name/_delete_by_query { ---按条件删除数据
"query":{
"term": {
"PhoneNumber": {
"value": "12304567890"
}
}
}
}
快捷键
ctrl+enter：提交当前请求
建议入库 ES 的对象包含 Date 字段，否则 Create Index Pattern 时无可用字段可选，报错
The indices which match this index pattern don't contain any time fields.
日期字段尽量兼容多种格式
"date": {
"type": "date",
"format": "yyyy-MM-dd'T'HH:mm:ss.SSSZ||yyyy/MM/dd'T'HH:mm:ss.SSSZ||yyyy-MM-dd HH:mm:ss.SSS||yyyy/MM/dd HH:mm:ss.SSS||yyyy-MM-dd HH:mm:ss||yyyy/MM/dd HH:mm:ss",
"copy_to": "All_Info"
}
reindex
给出一个简单的迁移示例
POST _reindex {
"source": {"index":"index_b"},
"dest": {"index":"index_a"},
"script":{
"lang":"painless",
"source":"ctx._source.date=ctx._source.date.replace('/','-').replace(' ','T');if(!ctx._source.date.contains('.')){ctx._source.date=ctx._source.date+'.100+0800';} else if(!ctx._source.date.contains('+')){ctx._source.date=ctx._source.date+'+0800';}"
}
}
其中，源、目的索引
PUT index_a
{
"order": 1,
"index_patterns": [
"auto-afvapp*"
],
"settings": {
"index": {
"max_result_window": "2147483647",
"refresh_interval": "10s",
"number_of_shards": "2",
"number_of_replicas": "1"
}
},
"mappings": {
"afvapp": {
"dynamic": false,
"properties": {
"uid": {
"type": "keyword"
},
"date": {
"type": "date",
"format": "yyyy-MM-dd'T'HH:mm:ss.SSSZ||yyyy/MM/dd'T'HH:mm:ss.SSSZ||yyyy-MM-dd HH:mm:ss.SSS||yyyy/MM/dd HH:mm:ss.SSS||yyyy-MM-dd HH:mm:ss||yyyy/MM/dd HH:mm:ss",
"copy_to": "All_Info"
},
"errmsg": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 1024
}
}
}
}
}
},
"aliases": {}
}
PUT index_b
{
"order": 1,
"index_patterns": [
"auto-afvapp*"
],
"settings": {
"index": {
"max_result_window": "2147483647",
"refresh_interval": "10s",
"number_of_shards": "2",
"number_of_replicas": "1"
}
},
"mappings": {
"afvapp": {
"dynamic": false,
"properties": {
"uid": {
"type": "keyword"
},
"date": {
"type": "keyword"
},
"errmsg": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 1024
}
}
}
}
}
},
"aliases": {}
}
painless script语法参见：Painless API
尤其注意：日期时间格式
问题解决
按{"type":"string","index":"not_analyzed"}设置mapping时，报错：
Elasticsearch:No handler for type [string] declared on field[XXX]
原因：Elasticsearch从5.X引入""""
- 关键词搜索（keyword search）：精准匹配和聚合分析
- 全文搜索（full-text search）：分词
若允许该字段被索引查询，需{"type":"text","index":true}，否则会报错：Cannot search on field [xxx] since it is not indexed.
关于ES中的数据类型，参见：Field datatypes
G：Grafana
分析和可视化平台， 监控
扩展工具
ElasticHD
独立于elasticsearch安装使用，cmd命令启动
Elastsearch-SQL
作为插件依赖elasticsearch使用
X-Pack
ElasticSearch 扩展包
- 安全防护：用户验证 + 授权和基于角色的访问控制 + 节点/客户端认证和信道加密
- 实时集群监控：可视化报告
cerebro
elasticsearch 开源监控软件，替代 kopf（http://99.6.150.141:9200/_plugin/kopf/#!/cluster）
下载地址：cerebro | github
es-rally
ES性能监控工具
[使用教程](https://blog.csdn.net/laoyang360/article/details/52155481)
其他工具使用
Grafana：适合监控类场景 ElasticHD：支持SQL转DSL elasticsearch-SQL：类SQL查询工具 测试工具：在原来执行的DSL的基础上新增profile参数 "profile": true