點(diǎn)擊上方藍(lán)字關(guān)注我們

主要內(nèi)容：

Elasticseach介紹

Elasticseach使用場景

Elasticseach數(shù)據(jù)清理

1.1  導(dǎo)語

Elasticsearch（文中簡稱ES）是分布式全文搜索引擎，產(chǎn)品提供高可用、易擴(kuò)展以及近實(shí)時的搜索能力，廣泛應(yīng)用于數(shù)據(jù)存儲、搜索和實(shí)時分析。很多服務(wù)的可用性對ES重度依賴。以下為es的核心概念。

1.2   Elasticsearch數(shù)據(jù)寫入

Elasticsearch數(shù)據(jù)寫入過程包含同步與異步兩個過程，如下圖所示：

同步過程：是指在請求返回前做的事情，即包含在一個HTTP請求的過程中，客戶端需要等其做完才能拿到結(jié)果。簡單來看，這個過程需要完成三件事：第一，將操作記錄寫入到translog中，我們后面再來談它的作用；第二，根據(jù)數(shù)據(jù)生成相應(yīng)的數(shù)據(jù)結(jié)構(gòu)，并寫入到in-memorybuffer，注意是寫入到一個內(nèi)存buffer中，不是磁盤；第三，將數(shù)據(jù)同步到所有replicashard中。完成這些之后，就會生成相應(yīng)的結(jié)果返回給coordinate節(jié)點(diǎn)了。

異步過程：一般來說，寫磁盤很慢，且非常耗費(fèi)CPU與IO，在同步過程中，為了讓請求盡快返回，并沒有將數(shù)據(jù)直接落盤。Elasticsearch的最小數(shù)據(jù)單元是segment，而此時數(shù)據(jù)還在in-memorybuffer中，因此這部分?jǐn)?shù)據(jù)是不能被查詢請求訪問到的。只有當(dāng)發(fā)生refresh動作，才會產(chǎn)生一個新的segment，將內(nèi)存buffer中的數(shù)據(jù)寫入到里面，同時清空buffer。默認(rèn)refresh的時間間隔是1秒，可以配置，需要在實(shí)時性與性能之間進(jìn)行權(quán)衡。此時雖然已經(jīng)生成了新的segment文件，但是只是停留在filesystemcache中，并沒有真正的落到磁盤中。這些動作的目的都是為了將"寫磁盤"這件事盡可能的延后并變得低頻，但是數(shù)據(jù)一直留在內(nèi)存中始終是不安全的，很容易因?yàn)閿嚯姷仍驅(qū)е聰?shù)據(jù)丟失，因此每隔一段時間，Elasticsearch會真正做一次磁盤flush，完成數(shù)據(jù)的持久化。

Master配置elasticsearch.yml

Slave配置elasticsearch.yml

通過root加入如下配置，否則會報(bào)錯

后臺啟動$ES_HOME/bin/elasticseach-d

3.1  Elasticsearch的應(yīng)用

國外：

（1）維基百科，類似百度百科，全文檢索，高亮，搜索推薦

（2）TheGuardian（國外新聞網(wǎng)站），用戶行為日志（點(diǎn)擊，瀏覽，收藏，評論）+社交網(wǎng)絡(luò)數(shù)據(jù)，數(shù)據(jù)分析

（3）日志數(shù)據(jù)分析，logstash采集日志（1）維基百科，類似百度百科，全文檢索，高亮，搜索推薦

（4）TheGuardian（國外新聞網(wǎng)站），用戶行為日志（點(diǎn)擊，瀏覽，收藏，評論）+社交網(wǎng)絡(luò)數(shù)據(jù)，數(shù)據(jù)分析

（5）StackOverflow（國外的程序異常討論論壇）

（6）GitHub（開源代碼管理）

（7）電商網(wǎng)站，檢索商品

（8）日志數(shù)據(jù)分析，logstash采集日志，ES進(jìn)行復(fù)雜的數(shù)據(jù)分析（ELK技術(shù)，elasticsearch+logstash+kibana）

（9）商品價格監(jiān)控網(wǎng)站

（10）BI系統(tǒng)，商業(yè)智能，BusinessIntelligence。

國內(nèi)：

站內(nèi)搜索（電商，招聘，門戶，等等），IT系統(tǒng)搜索（OA，CRM，ERP，等等），數(shù)據(jù)分析。

3.2   Elasticseach全家桶

Kibana: 數(shù)據(jù)可視化，與elasticsearch交互。Elasticsearch:存儲，索引，搜索。Logstash:數(shù)據(jù)收集，過濾，轉(zhuǎn)換。Beats:比logstash更輕巧,更多樣。

基于ELK和Kafka的日志分析系統(tǒng)

情景再現(xiàn)：

某個主機(jī)es進(jìn)程掛掉，登錄主機(jī)發(fā)現(xiàn)安裝目錄(data目錄)使用率100%（當(dāng)前是已清理的截圖）。

通過es命令curlhttp://ip:端口號/_cat/indices查詢到所有索引大小

通過post索引名/_delete_by_query按條件刪除索引較大的歷史數(shù)據(jù)

END