Elasticsearch笔记第十五篇

waws520
128 阅读3分钟

Elasticsearch核心知识篇(32)

分布式文档系统_document查询内部原理图解揭秘

具体流程从图中可得 image.png

  • 1.客户端发送请求到任意一个node，成为coordinate node
  • 2.coordinate node对document进行路由，将请求转发到对应的node，此时会使用round-robin随机轮询算法，在primary shard以及其所有replica中随机选择一个，让读请求负载均衡
  • 3.接收请求的node返回document给coordinate node
  • 4.coordinate node返回document给客户端
  • 特殊情况：document如果还在建立索引过程中，可能只有primary shard有，任何一个replica shard都没有，此时可能会导致无法读取到document，但是document完成索引建立之后，primary shard和replica shard就都有了

Elasticsearch核心知识篇(33)

分布式文档系统_bulk api的奇特json格式与底层性能优化关系大揭秘

bulk api奇特的json格式

# 采用格式
{"action": {"meta"}}\n
{"data"}\n
{"action": {"meta"}}\n
{"data"}\n

# 摒弃格式
[{
  "action": {

  },
  "data": {

  }
}]

  • bulk中的每个操作都可能要转发到不同的node的shard去执行

  • 如果采用比较良好的json数组格式

    • 允许任意的换行，整个可读性非常棒，读起来很爽，es拿到那种标准格式的json串以后，要按照下述流程去进行处理
      • 将json数组解析为JSONArray对象，这个时候，整个数据，就会在内存中出现一份一模一样的拷贝，一份数据是json文本，一份数据是JSONArray对象
      • 解析json数组里的每个json，对每个请求中的document进行路由
      • 为路由到同一个shard上的多个请求，创建一个请求数组
      • 将这个请求数组序列化
      • 将序列化后的请求数组发送到对应的节点上去

  • 耗费更多内存，更多的jvm gc开销

    • 我们之前提到过bulk size最佳大小的那个问题，一般建议说在几千条那样，然后大小在10MB左右，所以说，可怕的事情来了。假设说现在100个bulk请求发送到了一个节点上去，然后每个请求是10MB，100个请求，就是1000MB = 1GB，然后每个请求的json都copy一份为jsonarray对象，此时内存中的占用就会翻倍，就会占用2GB的内存，甚至还不止。因为弄成jsonarray之后，还可能会多搞一些其他的数据结构，2GB+的内存占用。
    • 占用更多的内存可能就会积压其他请求的内存使用量，比如说最重要的搜索请求，分析请求，等等，此时就可能会导致其他请求的性能急速下降 另外的话，占用内存更多，就会导致java虚拟机的垃圾回收次数更多，跟频繁，每次要回收的垃圾对象更多，耗费的时间更多，导致es的java虚拟机停止工作线程的时间更多

  • 现在的奇特格式

    {"action": {"meta"}}\n
{"data"}\n
{"action": {"meta"}}\n
{"data"}\n
    • 不用将其转换为json对象，不会出现内存中的相同数据的拷贝，直接按照换行符切割json
    • 对每两个一组的json，读取meta，进行document路由
    • 直接将对应的json发送到node上去

  • 最大的优势在于，不需要将json数组解析为一个JSONArray对象，形成一份大数据的拷贝，浪费内存空间，尽可能地保证性能

avatar
文章
阅读
粉丝