ElasticSearch 内部原理之分布式文档搜索

这个要比基本的创建-读取-更新-删除(CRUD)请求要难一些。CRUD操作是处理的单个文档。这就意味着我们明确的知道集群中的哪个分片存储我们想要的文档。

一个 CRUD 操作只对单个文档进行处理,文档有唯一的组合,由 _index, _type, 和 路由值 (默认是该文档的 _id )组成。这表示我们确切的知道此文档在集群中哪个分片中。

搜索请求是更复杂的执行模型,因为我们不知道哪些文档会与查询匹配,它们可能存在在集群中的任意一个分片中。搜索请求不得不搜索我们关注的一个或多个索引中的每个分片拷贝(主分片或者副本分片),以查看分片中中是否有匹配的文档。

但找到所有匹配到文档只是完成了一半工作.在searchAPI返回一’页’结果之前,来自多个分片的结果必须聚合成一个排序的列表。 因此,搜索需要完成两个阶段,queryfetch

1. Query阶段

在初始化查询阶段(query phase),查询将广播到索引中的每个分片的拷贝上(主分片或者副本分片)。每个分片在本地执行搜索并建立了匹配文档的优先级队列。

1.1 优先级队列

优先级队列只是一个存有前n个(top-n)匹配文档的有序列表。优先级队列的大小取决于 fromsize 分页参数。例如,以下搜索请求将需要足够大的优先级队列来容纳100个文档:

GET /_search
{
"from": 90,
"size": 10
}

1.2 Query

Query阶段过程如下图所示:

Query阶段包含如下步骤:

  • 客户端发送一个Search请求给节点3,节点3创建了一个大小为 from+size 的空优先级队列。
  • 节点3将搜索请求转发到索引中每个分片的主分片或副本分片上。每个分片在本地执行查询,并将结果添加到大小为from+size的本地排序的优先级队列中。
  • 每个分片将其优先级队列中的所有文档的文档ID和排序值返回给协调节点节点3,节点3将这些值合并到其自己的优先级队列中,以生成全局排序的结果列表。

当一个搜索请求被发送到一个节点,这个节点就变成了协调节点。这个节点的工作是向所有相关的分片广播搜索请求并且把它们的响应整合成一个全局的有序结果集。将这个结果集返回给客户端。

第一步是将请求广播到索引里每个节点的分片拷贝上。就像document GET requests请求一样,搜索请求可以被任意主分片或者副本分片处理。这就是为什么说更多的副本能够提高搜索吞吐率的原因。协调节点将在之后的请求中轮询所有的分片拷贝来分摊负载。

每个分片在本地执行查询并建立一个长度为 from+size 的有序优先级队列,这个长度意味着它自己的结果数量就足够满足全局的请求要求。分片返回一个轻量级的结果列表给协调节点。只包含文档ID值和排序需要用到的值,例如 _score

协调节点将这些分片结果合并到其自己的排序优先级队列中,表示全局排序的结果集。到此查询阶段结束。

一个索引可以由一个或多个主分片组成,因此针对单个索引的搜索请求需要能够组合来自多个分片的结果。搜索多个或所有索引的工作方式完全相同 - 只是会涉及更多的分片。

2. Fetch阶段

查询阶段标示出哪些文档满足我们的搜索请求,我们只返回了文档ID以及对排序有用的值,并没有返回文档本身。我们仍然需要检索那些文档。这就是 fetch 阶段的工作,过程如下图所示:

Fetch 阶段由以下步骤构成:

  • 协调节点标示出哪些文档需要取回,并且向相关分片发出多个GET请求。
  • 如果需要,每个分片加载并丰富文档,然后将文档返回协调节点。
  • 一旦所有的文档都被取回,协调节点将结果返回给客户端。

协调节点首先决定哪些文档是实际需要取回的。例如,如果我们查询指定{ "from": 90, "size": 10 },那么前90条结果将会被丢弃,只需要检索接下来的10个结果。这些文档可能来自与查询请求相关的一个、多个或者全部分片。

协调节点给拥有相关文档的每个分片创建一个 multi-get request,并发送请求给同样处理查询阶段的分片拷贝。

分片加载文档体– _source 字段–如果有需要,用metadatasearch snippet highlighting丰富结果文档。一旦协调节点接收到所有的结果文档,它就组合这些结果为单个响应返回给客户端。

ElasticSearch 版本: 2.x

原文:https://www.elastic.co/guide/en/elasticsearch/guide/2.x/distributed-search.html

赏几毛白!