ElasticeSearch（五）分布式索引架构

关于分布式架构

首先将ES默认每个索引是5个分片，这样做得目的是两个一个索引的时候速度更快（将数据写到小分片的尾部比写入大分片尾部更加快）；另外一个是当数据量达到一定程度之后，分片查询，在汇总（scater-gathter）这种模式更加简单一些。

ES的分片奠定了ES在分布式存储的地位，也意味着ES天生就是多节点部署的，节点数=分片数*（副本数 + 1）。这里有个问题，到底是多分片还是多索引，还是多索引优于多分片；但是差别都不大，为什么这么说，你要明白每个分片本质上是Lucene的一个索引，这个才是真正的索引计算单元；所以在ES里面的索引其实是对于分布式Lucene里面的索引的一个封装，或者说是master；关于查询套路，索引可以通过名称定位，分片可以通过路由定位；

ES为了保证持续提供服务，提供了副本（replica）机制，就是数据的部分，副本是基于分片的，一旦主分片挂了，那么会自动切换到副本进行查询。但是缺点就是占用空间，尤其对于海量数据而言，硬盘压力会比较大，所以副本数需要考虑。默认是1副本。

路由查询策略

刚才在比较分片和索引的时候，提到了多分片场景下可以指定路由来进行地位，避免向所有分片下发查询，导致查询速度下降。使用路由的套路是这样的，首先在创建索引的时候就要指定路由，像下面这样：

curl -XPUT localhost:9200/books/doc/1?routing=A -d '{ "title" : "Document"}'

在创建的时候，就记录了路由器为A，此时在索引完成后，将会在路由表（Route Table）中记录一条路由名称"A"所指向的分片。之后，在你进行查询的时候也要指定同名路由即可定位到指定的分片进行查询：

curl -XGET 'localhost:9200/documents/_search?pretty&q=*&routing=A'

这样查询首先会去路由表中查询路由A对应的分片，然后再去对应的分片中进行查询。

那么现在有一个问题：如果分片大小满了怎么办，如果ES的机制自动进行存储的平衡，我们再次通过路由A查找数据，但是此时数据已经分配到别的机器上面怎么办？这个问题还有待研究。

我们知道分片是Lucene的一个索引，路由定位也是分片级别，但是一个分片其实是可以对应多个路由信息，所以不能依赖于分片而放弃查询条件，这个还是要有的。这样，我们在一次查询中可以指定多个路由进行查询（如下所示），但是，索引的时候只能指定一个路由。

curl -XGET 'localhost:9200/documents/_search?routing=A,B'

分配意识

那么下面介绍一下ES里面的分片的自动优化部署的特性：分配意识（Allocation Awareness）；简单地讲，就是ES将会自动将主分片和副本分布到两台不同的机器，避免要挂一起挂的场景。

自动部署里面有很多配置，就不多说了，这里要明白的是ES里面的部署机制，其实这些配置都是默认，从理解ES的角度来讲是有价值，但是从操作层面来讲大多数时候不需要关注。

（分布式）查询偏好策略

最后说一下查询偏好，通过设置查询偏好，可以指定分布式查询的模式，或者优先策略：

_primary:只在主节点查；

_primary_firest：只有主节点挂了，再查副本；

_local：优先本地查；

_only_node:XXX：指定节点查询；

_prefer_node:XXX：优先指定节点查询；

_shard:0,1,2：指定分片查询。