ElasticSearch的部署、同步与调优

发表于 更新于 分类于 Disqus：

ElasticSearch是一个强大的搜索服务器，基于Apache Lucene的全文搜索引擎开发，具有高性能、分布式和零配置的优点。在当前的项目中，我们希望ES能承担亿级文档的搜索，而ES也证明了即便面对这样的数据规模，也能实现十分迅速的搜索响应。

概念

  • 节点（Node）：节点是一个ES的实例，一般一台主机上部署一个节点-
  • 集群（Cluster）：集群由若干节点组成，和任意节点的通信等价于和集群的通信
  • 分片（Shard）：一个索引会分成多个分片存储，分片数量在索引建立后不可更改
  • 副本（Replica）：副本是分片的一个拷贝，目的在于提高系统的容错性和搜索的效率
  • 索引（Index）：类似数据库的库
  • 类型（Type）：类似数据库的表
  • 文档（Document）：类似数据库的行，包含一个或多个Field
  • 字段（Field）：搜索的最小单元，可通过Mapping定义不同的属性（比如可否被搜索）

部署

以ElasticSearch 1.5.0版本为例

ES的使用很简单，从官网下载压缩包后，解压后输入如下指令：

1
./bin/elasticsearch -d --cluster.name [your_cluster_name] --node.name [your_node_name]

一旦在多台主机上启动拥有同一个cluster.name的ES实例，它们会自动组成一个集群。

elasticsearch-head

elasticsearch-head是一个必装的插件，它提供了一个web界面，显示集群和索引的状态，同时具备浏览和搜索文档的功能。只需要通过ES的plugin指令安装就OK了：

1
./bin/plugin -install mobz/elasticsearch-head

同步

通常线上系统都不会使用ES作为主存储，从主存储创建索引的效率是我们关心的。ES的bulk API能支持批量操作，大大提升了创建索引的效率。以下是使用pyelasticsearch（非官方的一个Python客户端）批量创建索引的范例：

1
2
3
4
5
6
7
8
9
10
11
from pyelasticsearch import ElasticSearch
from pyelasticsearch import bulk_chunks

es = ElasticSearch()

def documents():
	for _doc in docs:
		yield es.index_op(doc=_doc, id=doc['id'])

for chunk in bulk_chunks(documents(), docs_per_chunk=500, bytes_per_chunk=10000):
	es.bulk(chunk, index='index-test', doc_type='doc')

单机索引200万条记录的耗时约10分钟。

中文

ES支持中文的前提是安装正确的分词组件，比如elasticsearch-analysis-ik。但貌似该组件的最新版本（1.2.9）不支持plugin指令直接安装，只能通过Maven重新编译了：

1
2
3
4
5
git clone https://github.com/medcl/elasticsearch-analysis-ik.git --depth 1
cd elasticsearch-analysis-ik/
# 真心希望你的网络棒棒嗒
mvn package
unzip ./target/releases/elasticsearch-analysis-ik-1.2.9.zip

zip解压得到5个jar包：

  • elasticsearch-analysis-ik-1.2.9.jar
  • httpclient-4.3.5.jar
  • httpcore-4.3.2.jar
  • commons-logging-1.1.3.jar
  • commons-codec-1.6.jar

返回ES目录，新建路径./plugins/analysis-ik并把上述jar包全部移进去。
第二步，把elasticsearch-analysis-ik/config/ik文件夹（IK自带的词典）复制到ES目录的./config路径下。
第三步，在./config/elasticsearch.yml文件的最后加上：

1
2
3
4
5
6
7
8
index:
  analysis:
    analyzer:
      ik:
          alias: [news_analyzer_ik,ik_analyzer]
          type: org.elasticsearch.index.analysis.IkAnalyzerProvider

index.analysis.analyzer.default.type : "ik"

至此大功告成。注意配置分词组件必须在创建索引之前，否则是无效的。

调优

ES的调优分两个层面，一是Java层面的调优，包括加大JVM的可用内存及单线程内存。
对Unix系统，可修改./bin/elasticsearch.in.sh文件：

1
2
3
4
5
6
7
8
9
10
11
12
# 一般分配主机1/4-1/2的内存
if [ "x$ES_MIN_MEM" = "x" ]; then
    ES_MIN_MEM=12g
fi
if [ "x$ES_MAX_MEM" = "x" ]; then
    ES_MAX_MEM=12g
fi

JAVA_OPTS="$JAVA_OPTS -Xms${ES_MIN_MEM}"
JAVA_OPTS="$JAVA_OPTS -Xmx${ES_MAX_MEM}"
# 线程大小, ES单线程承载的数据量比较大
JAVA_OPTS="$JAVA_OPTS -Xss128m"

调优的第二个层面是ES本身的调优，修改./config/elasticsearch.yml文件，关键的项目如下所示：

1
2
3
4
5
6
7
8
9
# 分片数量，推荐分片数*副本数=集群数量
# 分片会带来额外的分割和合并的损耗，理论上分片数越少，搜索的效率越高
index.number_of_shards: 5
# 锁定内存，不让JVM写入swapping，避免降低ES的性能
bootstrap.mlockall: true
# 缓存类型设置为Soft Reference，只有当内存不够时才会进行回收
index.cache.field.max_size: 50000
index.cache.field.expire: 10m
index.cache.field.type: soft