旅游网站建设规划报告怎么写企业为什么建立企业网站

一、数据写入的核心流程

当向 ES 索引写入数据时，整体流程如下：

1、客户端发送写入请求

客户端向 ES 集群的任意节点（称为协调节点，Coordinating Node）发送一个写入请求，比如 index（插入或更新）或 delete（删除）请求。

2、协调节点处理请求

• 协调节点接收到请求后，确定数据应该存储在哪个索引和分片上。
• 通过路由计算确定目标分片，默认的路由规则是通过文档的 _id 取哈希值，再对分片数取模来定位分片。

shard = hash(_id) % number_of_primary_shards

3、请求转发给主分片

协调节点将请求转发给对应的 主分片（Primary Shard）所在的节点，主分片负责执行写入操作。

4、主分片写入阶段

主分片接收到写入请求后，执行以下操作：

• 写入内存缓冲区（Buffer）：首先将数据写入到内存中的写入缓冲区，这是一块内存区域，用于快速接收新数据。
• 写入事务日志（Translog）：同时，将数据写入事务日志（Translog）。Translog 是一个顺序写入的日志文件，用于在节点宕机时进行数据恢复，确保数据不会丢失。

5、数据刷新到段（Segment）

• 定期刷新（Flush）：每隔一定时间（默认是 1 秒）或当缓冲区达到一定大小时，ES 会将内存缓冲区中的数据刷新到段（Segment）中。段是倒排索引的基本存储单元。
• 生成新的段文件：数据被写入段后，段文件会被写入磁盘，段文件一旦生成便是不可更改的（只读的）。
• 清空缓冲区：刷新后，内存缓冲区被清空，但 Translog 依然保留，直到执行 flush 操作。

6、同步到副本分片

• 主分片写入成功后，将请求转发给对应的 副本分片（Replica Shard） 所在的节点。
• 副本分片执行与主分片相同的写入操作，确保主副本数据一致。
• 当所有副本分片写入成功后，主分片向协调节点返回写入成功的确认。

7、返回写入结果给客户端

协调节点收到主分片和副本分片的成功确认后，向客户端返回写入成功的响应。

二、核心组件介绍

1、内存缓冲区（Buffer）

• 作用：用于临时存储写入的数据，提高写入性能。
• 刷新机制：每隔一段时间（默认 1 秒）或当缓冲区满时，数据会被刷新到段（Segment）。

2、事务日志（Translog）

• 作用：用于记录所有未持久化到段的数据，防止数据丢失。
• 持久化：写入操作在返回成功之前，必须确保数据被写入 Translog。
• Flush 操作：定期将数据从缓冲区刷新到段，并清空 Translog，生成新的空的 Translog。

3、段（Segment）

下一节将详细讲

4、主分片与副本分片

• 主分片（Primary Shard）：负责处理写入和查询请求。
• 副本分片（Replica Shard）：主分片的冗余副本，用于提高数据可用性和查询性能。
• 一致性：写入时，主分片和副本分片保持数据一致，确保容错能力。

三、段的深度剖析

什么是段

段（Segment） 是倒排索引的基本存储单元。每当数据被写入或更新时，ES 并不会立即将其合并到现有的数据结构中，而是将数据写入新的段。段存储在磁盘上，并以不可变的形式存在。这种设计有助于提升写入和查询的性能，同时简化了数据管理。

段 是一种包含索引数据的小型文件集合，每个段都包含：

• 倒排索引（Inverted Index）：用于快速搜索文档的内容。
• 文档元数据（如 _id、分数等）。
• 存储字段（Stored Fields）：用于存储完整的文档内容或字段值。
• 删除标记（Deletion Markers）：标记哪些文档被逻辑删除。

什么时候生成段？

当 ES 将数据从内存缓冲区刷新（Refresh）到磁盘时，就会创建新的段。这些段会持续累积，直到 ES 触发合并（Merge）操作，将多个小段合并成更大的段。

为什么使用段

• 高效写入

  • ES 将数据先写入内存缓冲区，然后批量刷新到新的段，而不是直接修改现有的段。
  • 这种批量写入减少了频繁的磁盘操作，提高了写入性能。

• 并发查询与写入

  • 由于段是只读的，多个查询可以并发访问这些段，而不会影响写入操作。
  • 新数据写入时，不会影响正在查询的旧段，保证了数据的可用性。

• 快速删除与更新

  • ES 的删除和更新操作不直接修改段内的数据，而是通过逻辑标记（标记文档为删除）来实现。
  • 这种方式避免了频繁的磁盘重写操作，提高了性能。

• 增量合并

  • ES 通过定期将多个小段合并成大段，减少段的数量，优化查询性能。
  • 合并过程是在后台异步进行的，不影响前台查询和写入。

为什么段是不可变的

• 简化并发控制

  • 因为段是不可变的，多个查询可以安全地并发读取相同的段，而无需担心数据被修改或锁定。
  • 不需要复杂的并发控制机制，简化了系统设计。

• 提高查询性能

  • 由于段不变，ES 可以预先构建和优化倒排索引，确保查询时能够快速检索数据。
  • 不可变的段使得查询操作可以直接访问磁盘数据，无需等待写入操作完成。

• 高效的删除和更新

  • 删除和更新不会直接修改段内的数据，而是通过生成新的段和标记旧段来完成。
  • 这种方式避免了频繁的随机写入，提高了磁盘写入性能。

• 崩溃恢复与数据安全

  • 不可变的段一旦写入磁盘，就不会被更改。这意味着即使 ES 崩溃，已写入的段不会丢失或损坏。
  • 恢复时，只需要重新应用事务日志（Translog）中尚未刷新的数据。

四、为什么说ES的检索是近实时的

如果ES像MySQL一样，等到数据真正落盘完毕，才返回写入成功，这叫直接写入方式，这能达到实时搜索。但是这会有什么样的问题呢？

直接写入存在的问题

提交一个新的段到磁盘需要 fsync操作，确保段被物理地写入磁盘，即时电源失效也不会丢失数据。

但是 fsync 是昂贵的，严重影响性能，当写数据量大的时候会造成ES 停顿卡死，查询也无法做到快速响应新文档在几分钟之内即可被检索，并且这样还是不够快，磁盘在这里成为了瓶颈。

延时写策略

所以 fsync不能在每个文档被索引的时就触发，需要一种更轻量级的方式使新的文档可以被搜索，所以为了提升写的性能，ES没有每新增一条数据就增加一个段到磁盘上而是采用延时写的策略。

具体做法如下：

每当有新增的数据时，就将其先写入到内存中

在内存和磁盘之间是文件系统缓存，当达到默认的时间(1秒钟)或者内存的数据达到一定量时，会触发一次刷新(Refresh)，将内存中的数据生成到一个新的段上并缓存到文件缓存系统上，稍后再被刷新到磁盘中并生成提交点。