一文轻松图解搞懂Elasticsearch原理！

• 认识倒排索引
• 分布式架构原理
• 写入数据的工作原理
• 写数据底层原理
• 读取数据的工作原理
• 搜索工作原理
• 删除/更新数据底层原理

---

ES 的集群模式和 kafka 很像，kafka 又和 redis 的集群模式很像。总之就是相互借鉴！

不管你用没用过 ES，今天我们一起聊聊它。就当扩展大家的知识广度了！

认识倒排索引

「正排索引 VS 倒排索引：」

正排索引 VS 倒排索引

「倒排索引包括两个部分：」

• 单词词典（Term Dictionary）：记录所有文档的单词，记录单词到倒排列表的关联关系

  ❝

  单词词典一般比较大，可以通过 B+ 树 或 哈希拉链法实现，以满足高性能的插入与查询

  ❞

• 倒排列表（Posting List）：记录了单词对应的文档结合，由倒排索引项（Posting）组成：

• • 文档 ID

• 词频 TF：该单词在文档中出现的次数，用于相关性评分

• 位置（Position）：单词在文档中分词的位置。用于语句搜索（Phrase Query）

• 偏移（Offset）：记录单词的开始结束位置，实现高亮显示

倒排索引

「ElasticSearch 的倒排索引：」

• ElasticSearch 的 JSON 文档中的每个字段，都有自己的倒排索引

• 可以针对某些字段不做索引

  • 优点：节省存储空间
  • 缺点：字段无法被搜索

基于 Spring Boot + MyBatis Plus + Vue & Element 实现的后台管理系统 + 用户小程序，支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能

• 项目地址：https://github.com/YunaiV/ruoyi-vue-pro
• 视频教程：https://doc.iocoder.cn/video/

分布式架构原理

「分片 shard：一个索引可以拆分成多个 shard 分片。」

• 主分片 primary shard：每个分片都有一个主分片。
• 备份分片 replica shard：主分片写入数据后，会将数据同步给其他备份分片。

将 ES 集群部署在 3个 机器上（esnode1、esnode2、esnode3）：

「创建个索引，分片为 3 个，副本数设置为 1：」

PUT/sku_index/_settings
{
"settings":{
"number_of_shards":3,
"number_of_replicas":1
}
}

响应：
{
"acknowledged":true
}

分布式架构原理

「ES 集群中有多个节点，会自动选举一个节点为 master 节点，如上图的 esnode2节点：」

• 主节点（master）：管理工作，维护索引元数据、负责切换主分片和备份分片身份等。
• 从节点（node）：数据存储。

「集群中某节点宕机：」

• 主节点宕机：会重新选举一个节点为 主节点。
• 从节点宕机：由 主节点，将宕机节点上的 主分片身份转移到其他机器上的 备份分片上。

基于 Spring Cloud Alibaba + Gateway + Nacos + RocketMQ + Vue & Element 实现的后台管理系统 + 用户小程序，支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能

• 项目地址：https://github.com/YunaiV/yudao-cloud
• 视频教程：https://doc.iocoder.cn/video/

写入数据的工作原理

「写单个文档所需的步骤：」

1. 客户端选择一个 Node 发送请求，那么这个 Node 就称为 「协调节点（Coorinating Node）」 。

2. Node 使用文档 ID 来确定文档属于分片 0，通过集群状态中的内容路由表信息获知分片0 的主分片在 Node1 上，因此将请求转发到 Node1 上。

3. Node1 上的主分片执行写操作。如果写入成功，则将请求并行转发到 Node3 的副分片上，等待返回结果。

   当所有的副分片都报告成功，Node1 将向 Node （协调节点）报告成功。

写入数据的工作原理

「Tips：客户端收到成功响应时，意味着写操作已经在主分片和所有副分片都执行完成。」

写数据底层原理

写数据底层原理

「写操作可分为 3 个主要操作：」

1. 写入新文档： 这时候搜索，是搜索不到。

• 将数据写入内存

• 将这操作写入 translog 文件中

3. refresh 操作： 默认每隔 1s ，将内存中的文档写入文件系统缓存（filesystem cache）构成一个 segment

   ❝

   这时候搜索，可以搜索到数据。

   ❞

• 「1s 时间：ES 是近实时搜索，即数据写入 1s后可以搜索到。」

• flush 操作： 默认每隔 30 分钟 或者 translog 文件 512MB ，将文件系统缓存中的 segment 写入磁盘，并将 translog 删除。

「translog 文件：」 来记录两次 flush(fsync) 之间所有的操作，当机器从故障中恢复或者重启，可以根据此还原

• translog 是文件，存在于内存中，如果掉电一样会丢失。
• 「默认每隔 5s 刷一次到磁盘中」

读取数据的工作原理

「读取文档所需的步骤：」

1. 客户端选择一个 Node 发送请求，那么这个 Node 就称为 「协调节点（Coorinating Node）」 。
2. Node 使用文档 ID 来确定文档属于分片 0，通过集群状态中的内容路由表信息获知分片0 有 2 个副本数据（一主一副），会使用随机轮询算法选择出一个分片，这里将请求转发到 Node1
3. Node1 将文档返回给 Node，Node 将文档返回给客户端。

读取数据的工作原理

「在读取时，文档可能已经存在于主分片上，但还没有复制到副分片，这种情况下：」

• 读请求命中副分片时，可能会报告文档不存在。
• 读请求命中主分片时，可能成功返回文档。

搜索工作原理

「搜索数据过程：」

1. 客户端选择一个 Node 发送请求，那么这个 Node 就称为 「协调节点（Coorinating Node）」 。
2. Node 协调节点将搜索请求转发到所有的 分片（shard）：主分片 或 副分片，都可以。
3. 「query 阶段」 ：每个分片 shard 将自己的搜索结果（文档 ID）返回给协调节点，由协调节点进行数据的合并、排序、分页等操作，产出最终结果。
4. 「fetch 阶段」 ：由协调节点根据 文档 ID 去各个节点上拉取实际的文档数据。

搜索工作原理

举个栗子： 有 3 个分片，查询返回前 10 个匹配度最高的文档

1. 每个分片都查询出当前分片的 TOP 10 数据
2. 「协调节点」 将 3 * 10 = 30 的结果再次排序，返回最终 TOP 10 的结果。

删除/更新数据底层原理

• 「删除操作」 ：commit 的时候会生成一个 .del 文件，里面将某个 doc 标识为 deleted 状态，那么搜索的时候根据 .del 文件就知道这个 doc 是否被删除了。
• 「更新操作」 ：就是将原来的 doc 标识为 deleted 状态，然后新写入一条数据。

「底层逻辑是：」

• Index Buffer 每次 refresh 操作，就会产生一个 segment file。（默认情况：1秒1次）
• 定制执行 merge 操作：将多个 segment file 合并成一个，同时将标识为 deleted 的 doc 「物理删除」 ，将新的 segment file 写入磁盘，最后打上 commit point 标识所有新的 segment file。

---

---

审核编辑 ：李倩