倒排索引架构

在广告系统中倒排索引起着至关重要的作用，当请求过来时，需要根据定向信息从倒排索引中匹配合适的广告。我们的倒排索引采用的是ElasticSearch（后面简称ES），考虑点是社区活跃，相关采集、可视化、监控以及报警等组件比较完善，同时ES基于java开发，所以调优和二次开发相对方便

先看下我们的倒排索引的架构图

file

这个架构设计成如上图这样，经过了下面的思考与迭代

索引问题与优化

单点与稳定性问题

采用多节点部署

其中 A builder和 B builder都是两个节点，一个主和一个备，他们通过争抢锁（用zookeeper实现）来决定谁是主

多个节点会带来数据不一致问题

多生产者多消费者产生消息时序问题

把消息设置成无状态的

file

查询数据库获取最新数据（订单和创意更新频率低，所以对数据库压力不大）

因为出异常导致数据不一致

采用重试（幂等）和定时任务处理异常

全量更新索引，影响线上索引查询功能

采用主备索引

主备索引切换流程：更新备用索引->验证备用索引->主备切换->更新主索引

file

索引查询与重建索引问题与优化

压测ES QPS不高、CPU负载高、YGC频繁、索引重建索引耗时长

我们分别从查询和重建两个方向来看

查询

1s一次YGC，STW约10ms，对低延迟系统影响较大

调整 -Xmn 3g->7g，调整后10s一次YGC,STW约12ms

调整前YGC频繁，对低延迟系统影响较大，所以想增大YGC的时间间隔，降低性能抖动，考虑到YGC采用复制算法，每次垃圾回收时间主要包括扫描年轻代存活对象和复制存活对象，扫描对象的成本远低于复制对象，所以YGC的时间主要取决于存活对象的数量，在对象生命周期没有较大变化的情况下，YGC的时间自然不会有较大变化

调整后，YGC的时间间隔有了很大改善，GC时间并没有线性增加

调整分片数和副本数，减少线程损耗、较少IO

ES默认分片数是5，默认条件下，索引会被分配到不同的节点，这样每个节点只有部分索引，会导致一次请求需要合并多个节点的数据，IO数多

如图所示，假设有3个节点，2个主分片，每个分片有一个副本。当一次查询过来的时候

查询流程大致为：首先是node3收到请求，它可能会把请求转发到node2的R0或node1的P0，然后完成检索后把数据汇集到node3,最后返回。其中每个索引的内部，数据会保存到多个segment中，而对segment的查询是串行的

file

而我们的场景是请求量大，索引小（100M以内），所以把主分片调整为1，副本调整为节点数-1，这样能保证每个节点都存储所有索引，这样只会有一次io操作，如下图所示

file

ES(lucencu) 串行读取所有segment

索引更新会使segment数量增加，es对segment的查询是串行的，所以我们采用每分钟定时用 _forcemerge将segment降为1

热点方法排查发现JSON反序列化占50%cpu

禁用source只采用field存储必要字段

指定查询偏向本机节点

设置preference:_local

重建

全量重建前关闭从分片，禁用实时索引

replicas:0 refresh_interval:-1

减少索引在重建过程中索引同步带来的消耗

批量重建索引

使用 bulk批量重建索引，提高建索引的性能

后记

我们采用的方案，有些并不符合业界常用和推荐的方式，但是符合我们自己的业务，所以方案一定要适合自己团队的业务，没有最好的方案，只有更适合的方案