技术

对容器云平台的理解 Prometheus 源码分析 并发的成本 基础设施优化 hashicorp raft源码学习 docker 架构 mosn细节 与微服务框架整合 Java动态代理 编程范式 并发通信模型 《网络是怎样连接的》笔记 go细节 codereview mat使用 jvm 线程实现 go打包机制 go interface及反射 如何学习Kubernetes 《编译原理之美》笔记——后端部分 《编译原理之美》笔记——前端部分 Pilot MCP协议分析 go gc 内存管理玩法汇总 软件机制 istio流量管理 Pilot源码分析 golang io 学习Spring mosn源码浅析 MOSN简介 《datacenter as a computer》笔记 学习JVM Tomcat源码分析 Linux可观测性 MVCC 学习存储 学计算 Gotty源码分析 kubernetes operator kaggle泰坦尼克问题实践 kubernetes自动扩容缩容 神经网络模型优化 直觉上理解机器学习 knative入门 如何学习机器学习 神经网络系列笔记 TIDB源码分析 《阿里巴巴云原生实践15讲》笔记 Alibaba Java诊断工具Arthas TIDB存储——TIKV 《Apache Kafka源码分析》——简介 netty中的线程池 guava cache 源码分析 Springboot 启动过程分析 Spring 创建Bean的年代变迁 Linux内存管理 自定义CNI IPAM 扩展Kubernetes 副本一致性 spring redis 源码分析 kafka实践 spring kafka 源码分析 Linux进程调度 让kafka支持优先级队列 Codis源码分析 Redis源码分析 C语言学习 《趣谈Linux操作系统》笔记 docker和k8s安全机制 jvm crash分析 Kubernetes监控 Kubernetes 控制器模型 Prometheus 学习 容器日志采集 容器狂占cpu怎么办? Kubernetes资源调度——scheduler 时序性数据库介绍及对比 influxdb入门 maven的基本概念 《Apache Kafka源码分析》——server Kubernetes objects之编排对象 源码分析体会 《数据结构与算法之美》——算法新解 Kubernetes源码分析——controller mananger Kubernetes源码分析——apiserver Kubernetes源码分析——kubelet Kubernetes介绍 ansible学习 Kubernetes源码分析——从kubectl开始 jib源码分析之Step实现 kubernetes实践 jib源码分析之细节 线程排队 跨主机容器通信 jib源码分析及应用 为容器选择一个合适的entrypoint kubernetes yaml配置 《持续交付36讲》笔记 mybatis学习 程序猿应该知道的 无锁数据结构和算法 CNI 为什么很多业务程序猿觉得数据结构和算法没用? 串一串一致性协议 当我在说PaaS时,我在说什么 《数据结构与算法之美》——数据结构笔记 PouchContainer技术分享体会 harbor学习 用groovy 来动态化你的代码 《深入剖析kubernetes》笔记 精简代码的利器——lombok 学习 编程语言的动态性 rxjava3——背压 rxjava2——线程切换 spring cloud 初识 《深入拆解java 虚拟机》笔记 《how tomcat works》笔记 hystrix 学习 rxjava1——概念 Redis 学习 TIDB 学习 分布式计算系统的那些套路 Storm 学习 AQS1——论文学习 Unsafe Spark Stream 学习 linux vfs轮廓 mysql 批量操作优化 《自己动手写docker》笔记 java8 实践 中本聪比特币白皮书 细读 区块链泛谈 比特币 大杂烩 总纲——如何学习分布式系统 hbase 泛谈 forkjoin 泛谈 看不见摸不着的cdn是啥 《jdk8 in action》笔记 程序猿视角看网络 bgp初识 calico学习 AQS2——粗略的代码分析 我们能用反射做什么 web 跨域问题 《clean code》笔记 硬件对软件设计的影响 《Elasticsearch权威指南》笔记 mockito简介及源码分析 2017软件开发小结—— 从做功能到做系统 《Apache Kafka源码分析》——clients dns隐藏的一个坑 《mysql技术内幕》笔记2 《mysql技术内幕》笔记1 log4j学习 为什么netty比较难懂? 回溯法 apollo client源码分析及看待面向对象设计 学习并发 docker 环境(主要运行java项目)常见问题 Scala的一些梗 OpenTSDB 入门 spring事务小结 事务一致性 javascript应用在哪里 《netty in action》读书笔记 netty对http2协议的解析 ssl证书是什么东西 http那些事 苹果APNs推送框架pushy apple 推送那些事儿 编写java框架的几大利器 java内存模型 java exception Linux IO学习 network channel network byte buffer 测试环境docker化实践 netty(七)netty在框架中的使用套路 Nginx简单使用 《Linux内核设计的艺术》小结 Go并发机制及语言层工具 Macvlan Linux网络源代码学习——数据包的发送与接收 《docker源码分析》小结 docker中涉及到的一些linux知识 hystrix学习 Linux网络源代码学习——整体介绍 zookeeper三重奏 数据库的一些知识 Spark 泛谈 链式处理的那些套路 netty(六)netty回顾 Thrift基本原理与实践(二) Thrift基本原理与实践(一) 回调 异步执行抽象——Executor与Future Docker0.1.0源码分析 java gc Jedis源码分析 Redis概述 机器学习泛谈 Linux网络命令操作 JTA与TCC 换个角度看待设计模式 Scala初识 向Hadoop学习NIO的使用 以新的角度看数据结构 并发控制相关的硬件与内核支持 systemd 简介 异构数据库表在线同步 quartz 源码分析 基于docker搭建测试环境(二) spring aop 实现原理简述 自己动手写spring(八) 支持AOP 自己动手写spring(七) 类结构设计调整 分析log日志 自己动手写spring(六) 支持FactoryBean 自己动手写spring(九) 总结 自己动手写spring(五) bean的生命周期管理 自己动手写spring(四) 整合xml与注解方式 自己动手写spring(三) 支持注解方式 自己动手写spring(二) 创建一个bean工厂 自己动手写spring(一) 使用digester varnish 简单使用 关于docker image的那点事儿 基于docker搭建测试环境 分布式配置系统 JVM内存与执行 git spring rmi和thrift maven/ant/gradle使用 再看tcp 缓存系统 java nio的多线程扩展 《Concurrency Models》笔记 回头看Spring IOC IntelliJ IDEA使用 Java泛型 vagrant 使用 Go常用的一些库 Python初学 Goroutine 调度模型 虚拟网络 《程序员的自我修养》小结 VPN(Virtual Private Network) Kubernetes存储 Kubernetes 其它特性 访问Kubernetes上的Service Kubernetes副本管理 Kubernetes pod 组件 使用etcd + confd + nginx做动态负载均衡 如何通过fleet unit files 来构建灵活的服务 CoreOS 安装 CoreOS 使用 Go学习 JVM类加载 硬币和扑克牌问题 LRU实现 virtualbox 使用 ThreadLocal小结 docker快速入门

标签


《Elasticsearch权威指南》笔记

2018年01月03日

前言(持续更新)

面向对象编程语言流行的原因之一,是我们可以用对象来表示和处理现实生活中那些有着潜在关系和复杂结构的实体。但当我们想存储这些实体的时候问题便来了,传统上,我们以行和列的形式把数据存储在关系型数据库中,相当于使用电子表格。这种固定的存储方式导致对象的灵活性不复存在了。PS:或许是ddd存在的动因之一 ddd(一)——领域驱动理念入门

如何能以对象的形式存储对象呢?相对于围绕表格去为我们的程序建模,我们可以专注使用数据,把对象本来的灵活性找回来。对象是一种语言相关,记录在内存的数据结构。为了在网络间发送或者存储它,我们需要一些标准的格式来表示它。JSON 是一种可读的以文本来表示对象的方式,已经成为NoSQL领域的事实标准格式。

Elasticsearch所涉及到的每一项技术都不是创新或革命性的,全文搜索、分析系统以及分布式数据库早已存在了,它的革命性在于将这些独立且有用的技术整合成一个一体化的、实时的应用。

直接存储对象

应用中的对象很少只是简单的键值列表,更多时候它拥有复杂的数据结构,比如包含日期、地理位置、另一个对象或数组。总有一天你会想到把这些对象存储在数据库中。将这些数据保存到由行和列组成的关系数据库中,就好比是把一个丰富、信息表现力强的对象拆散了放入一个非常大的表格中:你不得不拆散对象以适应表模式(通常一列表示一个字段),然后又不得不在查询的时候重建它们。

elasticsearch 是面向文档的,使用JSON作为文档序列化格式,这意味着它可以存储整个对象或文档,然而它不仅仅是存储,还会索引每个文档的内容使之可以被索引、搜索、排序、过滤。elasticsearch官方客户端会自动为你序列化和反序列化Json。 PS:document-oriented 虽然不像relational database 一样有schema,但也是有json格式的。

称谓 relational db elasticsearch  
数据库 databases indices/indexes 索引在es里如此自然,以至于数据库都叫索引
tables types document代表的对象的类
记录 rows documents document是以唯一ID标识并存储与es的对象的json数据
columns fields document中所有field都拥有一个(倒排)索引
数据库操作 SQL restful api  
新增一条记录 create databalse xx;
use xx
create table xx;
insert xx
PUT /$index/$type/$id + json body  
更新某个字段 update xx set xx=xx update /$index/$type/$id es是整体更新
并发控制 隔离级别 乐观锁  

es 不适合/不善于频繁更新、复杂关联查询、事务等操作

安装和配置

tar.gz 文件解压完

bin
    elasticsearch
config
    elasticsearch.yml  
    jvm.options  
    log4j2.properties  
    role_mapping.yml  
    roles.yml  
    users  
    users_roles
jdk
lib
LICENSE.txt
logs
modules
NOTICE.txt
plugins
README.textile

bin/elasticsearch 前台启动,bin/elasticsearch -d后台启动。

索引透明/自动化——数据插入即可被搜索

插入一条记录 curl -XPUT -H 'Content-Type:application/json' http://ip:9200/school/student/1 -d '{"name":"zhangsan"}'

查看插入的记录 curl http://192.168.62.212:9200/school/student/1

{
    "_index":"school",
    "_type":"student",
    "_id":"1",
    "_version":1,   ## cud都会使_version增加
    "_seq_no":0,
    "_primary_term":1,
    "found":true,
    "_source":{
        "name":"zhangsan"
    }
}

只返回source部分 curl http://192.168.62.212:9200/school/student/1/_source

{
    "name":"zhangsan"
}

使用Query DSL 通过json 请求body查询 curl -H 'Content-Type:application/json' http://192.168.62.212:9200/school/student/_search -d '{"query":{"match":{"name":"lisi"}}}'

增强的“select”

  1. 全文搜索,凡是出现某个关键字的json 都被检索,并给出相关性评分
  2. 短语搜索,检索同时出现多个关键字的 json
  3. 高亮我们的搜索
  4. 聚合aggregations

最关键的是:无需配置,只需要添加数据然后开始搜索

分布式概念透明化

elasticsearch 在分布式概念(cluster/node/shard)上做了很大程度的透明化,很多操作自动完成

  1. 将json记录分区到不同的shard中,
  2. 将shard均匀的分配到不同节点,对索引和搜索做负载均衡
  3. 冗余每一个shard
  4. 将集群任意一个节点的请求路由到相应数据所在的节点
  5. 无论增加删除节点,分片都可以做到无缝的扩展和迁移

集群中有一个node被选举为master,它将临时管理集群级别的一些变更,例如新建/删除database(es叫index)、增加移除node等,master不参与记录(es叫document)级别的变更和搜索。

database(es叫索引)只是一个用来指向多个shard(默认一个index被分配5个shard)的逻辑命名空间,一个shard 是最小级别的工作单元,就是一个Lucene实例,本身就是一个完整的搜索引擎。只不过应用程序直接与 index(mysql叫database)而不是shard 通信罢了。shard 分为primary shard 和 replica shard,后者用于冗余数据并提供读请求。

  es kafka  
逻辑概念 database/index topic  
工作单位 shard partition  
副本机制 primary-replica leader-follower es副本还可对外服务
集群发现 广播 zk  
复制数据 复试请求到各个shard pull es可以通过参数调整复制策略
es建议sync复制,这估计是其不适合大量写入的原因吧

映射

倒排索引由document/json记录中出现的唯一的单词列表,以及对每个单词在文档中的位置组成。

为了能够把日期字段处理为日期,把数字字段处理成数字,把字符串字段处理成全文本(full-text)或精确地字符串值,elasticsearch 需要知道每个字段里都包含了什么类型。索引中每个ducument 都有一个type,每个type 拥有自己的mapping或schema definition。一个mapping 定义了field的数据类型, 以及field被elasticsearch处理的方式。

curl -XPUT -H 'Content-Type:application/json' http://ip:9200/school/student/3 -d '{
    "name":"lisi",
    "age":18,
    "interests":["sports","music"],
    "address":{
        "country":"china",
        "city":"shanghai"
    }
}'

curl http://ip:9200/school/_mapping\?pretty 查看返回

{
    "school": {
        "mappings": {
            "properties": {
                "address": {
                    "properties": {
                        "city": {xx}, 
                        "country": {xx}
                    }
                }, 
                "age": {
                    "type": "long"
                }, 
                "interests": {
                    "type": "text", 
                    "fields": {}
                }, 
                "name": {
                    "type": "text", 
                    "fields": {}
                }
            }
        }
    }
}

其它金句

自然语言实际上是高度结构化的,问题是自然语言的规则是如此复杂,计算机难以正确解析,于是常常被视为“非结构化数据”。