elasticsearch5.x集群HA原理(shards绊茧、replicas)

最近在搭建es5.2的高可用集群跌帐,在這個過程中加深了對es的原理理解,基本分為四個階段
es單機(jī)—>es集群(多臺機(jī)器)—>es分片和副本集分布原理—>es高可用集群

1.es單機(jī)

在第一個階段基本概念的掌握還是比較熟練的翎冲,對應(yīng)著關(guān)系型數(shù)據(jù)庫(mysql)來理解es:

文檔(document)

文檔(document)是ElasticSearch中的存儲形式垂睬。對所有使用ElasticSearch的案例來說,他們最終都可以歸結(jié)為對文檔的搜索抗悍,一個文檔相當(dāng)于mysql里的一條數(shù)據(jù)

索引(index)

ElasticSearch將它的數(shù)據(jù)存儲在一個或多個索引(index)中驹饺。索引就像數(shù)據(jù)庫,可以向索引寫入文檔或者從索引中讀取文檔

類型(type)

每個文檔都有與之對應(yīng)的類型(type)定義缴渊。這允許用戶在一個索引中存儲多種文檔類型赏壹,比如在“資料”索引下,有pdf類型和word類型衔沼,并為不同文檔提供類型提供不同的映射

映射(mapping)

所有文檔寫進(jìn)索引之前都會先進(jìn)行分析蝌借,如何將輸入的文本分割為詞條、哪些詞條又會被過濾俐巴,這種行為叫做映射(mapping)骨望。一般由用戶自己定義規(guī)則,可以理解為pdf類型的文檔的映射就是pdf含有的字段

2.es集群

es集群是通過多臺服務(wù)器來搭建欣舵,它們擁有一個共同的clustername比如叫做“escluster”擎鸠,每臺服務(wù)器叫做一個節(jié)點(diǎn),擁有自己的節(jié)點(diǎn)名字:nodename缘圈,配置文件如下:

集群名稱劣光,用于定義哪些elasticsearch節(jié)點(diǎn)屬同一個集群。
cluster.name: bigdata
節(jié)點(diǎn)名稱糟把,用于唯一標(biāo)識節(jié)點(diǎn)绢涡,不可重名
node.name: server3
設(shè)置索引的分片數(shù),默認(rèn)為5 
index.number_of_shards: 5 
設(shè)置索引的副本數(shù),默認(rèn)為1: 
index.number_of_replicas: 1 

這時多臺服務(wù)器都可以對外提供查詢和更改接口,他們彼此之間負(fù)載均衡遣疯,我們代碼訪問時可以配置為多臺:

配置訪問集群的client
TransportClient client = new PreBuiltTransportClient(settings)
      .addTransportAddress(new InetSocketTransportAddress(InetAddress.getByName("192.168.254.133"), 9300));
      .addTransportAddress(new InetSocketTransportAddress(InetAddress.getByName("192.168.254.134"), 9300));
      .addTransportAddress(new InetSocketTransportAddress(InetAddress.getByName("192.168.254.135"), 9300));
      .addTransportAddress(new InetSocketTransportAddress(InetAddress.getByName("192.168.254.136"), 9300));
執(zhí)行插入操作
client.prepareIndex("info", "info",UUID.randomUUID().toString())
                .setSource(builder.string())
                .get();        

es集群肯定效率各方面都要比單機(jī)強(qiáng)很多雄可,但是如果集群中一臺機(jī)器掛掉了,我們其余的幾臺會不會安然無恙缠犀?而數(shù)據(jù)會不會丟失数苫?我們目前并不能保證,所以我們要配置一套高可用的集群

3.es分片和副本集分布原理

配置一套高可用的集群辨液,我們必須要了解es集群的數(shù)據(jù)分布和負(fù)載原理

shards(分片)

在配置文件里我們看到默認(rèn)的shards是5個虐急,一個索引的全部數(shù)據(jù)會被分開存儲在這幾個分片上,我們用3個分片來看下效果:

單機(jī)分片分布:

QQ圖片20180613180955.png

2臺集群分片分布:
QQ圖片20180613181116.png

3臺集群分片分布:

QQ圖片20180613180539.png

單機(jī):該機(jī)器節(jié)點(diǎn)擁有全部3個分片
2臺集群:一個節(jié)點(diǎn)有一個分片滔迈,另一臺有兩個分片
3臺集群:每個節(jié)點(diǎn)擁有一個分片

根據(jù)以上案例可以看到es的工作原理是把整個數(shù)據(jù)分割成3個分片止吁,然后每個節(jié)點(diǎn)平均分配
當(dāng)我們有9個分片時被辑,估計是每臺機(jī)器各自3個分片

QQ圖片20180613181444.png

總結(jié)

1.es集群只是根據(jù)我們指定的分片數(shù)來平均分配到各個節(jié)點(diǎn)上
2.當(dāng)節(jié)點(diǎn)數(shù)大于分片數(shù)時,也不會冗余敬惦,只是讓多余的節(jié)點(diǎn)空著不存數(shù)據(jù)盼理,不分?jǐn)倝毫?br> 3.當(dāng)有節(jié)點(diǎn)掛掉時,我們一定會丟失一部分?jǐn)?shù)據(jù)

根據(jù)上面的總結(jié)俄删,es集群無法避免機(jī)器掛掉后仍然能不丟數(shù)據(jù)的正常運(yùn)行榜揖,解決辦法是配置文件的另一個參數(shù)index.number_of_replicas來達(dá)到高可用目的

es高可用集群

index.number_of_replicas是索引的副本數(shù),也就是索引的分片副本數(shù)抗蠢,我們通過3臺機(jī)器3個分片的配置來看下效果
1個副本

QQ圖片20180613182349.png

2個副本
QQ圖片20180613182521.png

3個副本
QQ圖片20180613182644.png

1.每個副本都會把當(dāng)前的分片全部復(fù)制一份并平均分布到集群節(jié)點(diǎn)上
2.當(dāng)副本數(shù)3時,由于此時每臺機(jī)器都已經(jīng)占滿自己的3個分片了思劳,所以此時需要增加新的機(jī)器來存放第三個副本迅矛,所以提示了Unassigned?

高可用原理

我們以3機(jī)器3分片2副本為例:


QQ圖片20180613182349.png

第一步:

????????在每個分片編碼(0,1,2)上的邊框有粗有細(xì)潜叛,粗的是主分片秽褒,細(xì)的是副本分片,當(dāng)node1的機(jī)器掛掉時威兜,主節(jié)點(diǎn)1丟失销斟,此時集群由green(健康)轉(zhuǎn)為red,因?yàn)橹鞴?jié)點(diǎn)丟失導(dǎo)致椒舵。

第二步:

????????其它節(jié)點(diǎn)上存在著主分片1的完整副本蚂踊,所以集群立即將這些分片在 Node 2 和 Node 3 上對應(yīng)的副本分片提升為主分片,此時集群的狀態(tài)將會為 yellow 笔宿。為什么我們集群狀態(tài)是 yellow 而不是 green 呢犁钟?雖然我們擁有所有的三個主分片,但是同時設(shè)置了每個主分片需要對應(yīng)2份副本分片泼橘,而此時只存在一份副本分片涝动。所以集群不能為 green 的狀態(tài),不過我們不必過于擔(dān)心:如果我們同樣關(guān)閉了 Node 2 炬灭,我們的程序 依然 可以保持在不丟任何數(shù)據(jù)的情況下運(yùn)行醋粟,因?yàn)?Node 3 為每一個分片都保留著一份副本。

第三步:

????????如果我們重新啟動 Node1重归,Node1依然擁有著之前的分片米愿,它將嘗試去重用它們,同時僅從主分片復(fù)制發(fā)生了修改的數(shù)據(jù)文件提前,集群狀態(tài)由yellow轉(zhuǎn)為green吗货。

第四步:

????????如果不重啟Node1,而是新增了一臺機(jī)器并啟動加進(jìn)集群狈网,此時集群可以將缺失的副本分片再次進(jìn)行分配寫入到新增的Node上宙搬,那么集群的狀態(tài)也將由yellow轉(zhuǎn)為green笨腥。

由此我們了解了高可用的基本原理,想要配置好高可用勇垛,節(jié)點(diǎn)數(shù)脖母,分片數(shù),副本數(shù)這三個數(shù)量之間是有很緊密的聯(lián)系的闲孤。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末谆级,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子讼积,更是在濱河造成了極大的恐慌肥照,老刑警劉巖,帶你破解...
    沈念sama閱讀 216,402評論 6 499
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件勤众,死亡現(xiàn)場離奇詭異舆绎,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)们颜,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,377評論 3 392
  • 文/潘曉璐 我一進(jìn)店門吕朵,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人窥突,你說我怎么就攤上這事努溃。” “怎么了阻问?”我有些...
    開封第一講書人閱讀 162,483評論 0 353
  • 文/不壞的土叔 我叫張陵梧税,是天一觀的道長。 經(jīng)常有香客問我则拷,道長贡蓖,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,165評論 1 292
  • 正文 為了忘掉前任煌茬,我火速辦了婚禮斥铺,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘坛善。我一直安慰自己晾蜘,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,176評論 6 388
  • 文/花漫 我一把揭開白布眠屎。 她就那樣靜靜地躺著剔交,像睡著了一般。 火紅的嫁衣襯著肌膚如雪改衩。 梳的紋絲不亂的頭發(fā)上岖常,一...
    開封第一講書人閱讀 51,146評論 1 297
  • 那天,我揣著相機(jī)與錄音葫督,去河邊找鬼竭鞍。 笑死板惑,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的偎快。 我是一名探鬼主播冯乘,決...
    沈念sama閱讀 40,032評論 3 417
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼晒夹!你這毒婦竟也來了裆馒?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 38,896評論 0 274
  • 序言:老撾萬榮一對情侶失蹤丐怯,失蹤者是張志新(化名)和其女友劉穎喷好,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體读跷,經(jīng)...
    沈念sama閱讀 45,311評論 1 310
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡绒窑,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,536評論 2 332
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了舔亭。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 39,696評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡蟀俊,死狀恐怖钦铺,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情肢预,我是刑警寧澤矛洞,帶...
    沈念sama閱讀 35,413評論 5 343
  • 正文 年R本政府宣布,位于F島的核電站烫映,受9級特大地震影響沼本,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜锭沟,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,008評論 3 325
  • 文/蒙蒙 一抽兆、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧族淮,春花似錦辫红、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,659評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至蝙斜,卻和暖如春名惩,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背孕荠。 一陣腳步聲響...
    開封第一講書人閱讀 32,815評論 1 269
  • 我被黑心中介騙來泰國打工娩鹉, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留攻谁,地道東北人。 一個月前我還...
    沈念sama閱讀 47,698評論 2 368
  • 正文 我出身青樓底循,卻偏偏與公主長得像巢株,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子熙涤,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,592評論 2 353

推薦閱讀更多精彩內(nèi)容