Py学习  »  Elasticsearch

Elasticsearch用得好,下班下得早!

51CTO技术栈 • 3 年前 • 452 次点击  

入行 Elastic-Stack 技术栈很久了,为了免于知识匮乏眼光局限,有必要到外面的世界看看,丰富自己的世界观。


图片来自 Pexels


本篇内容从 Elastic 的竞争产品角度分析探讨:

  • 哪些应用场景下使用 Elasticsearch 最佳?

  • 哪些应用场景下不使用 Elasticsearch 最好?

Elasticsearch 当前热度排名很高


本文仅代表个人的观点,不代表社区技术阵营观点,无意口水之争,限于本人的经验知识有限,可能与读者观点认知不一致。


竞争产品


Elasticseach 从做搜索引擎开始,到现在主攻大数据分析领域,逐步进化成了一个全能型的数据产品。


在 Elasticsearch 诸多优秀的功能中,与很多数据产品有越来越多的交叉竞争,有的功能很有特色,有的功能只是附带,了解这些产品特点有助于更好的应用于业务需求。

Elasticsearch 竞争图谱示意图

Lucene


Lucene 是一个搜索的核心库,Elastic 也是在 Lucene 基础之上构建,它们之间的竞争关系是由 Lucene 本身决定的。


在互联网 2.0 时代,考验各互联网公司最简单的技术要求,就是看他们的搜索做的怎么样,那时大家的做法几乎一样,都基于 Lucene 核心库构建一套搜索引擎,剩下的就看各公司的开发者们的水平。


笔者有幸在 2012 年之前,基于 Lucene 做过垂直行业的搜索引擎,遇到很多问题有必要说一下:
  • 项目基于 Lucene 包装,业务代码与核心库一起构建发布,代码耦合度很高,每次有数据字段变更,都需要重新编译打包发布,这个过程非常的繁琐,且相当危险。

  • 程序重新发布,需要关闭原有的程序,涉及到进程切换问题。

  • 索引数据定期全量重新生成,也涉及到新旧索引切换,索引实时刷新等问题,都需要设计一套复杂的程序机制保障

  • 每个独立业务线需求,都需要单独构建一个 Lucene 索引进程,业务线多了之后,管理是个麻烦的事情

  • 当单个 Lucene 索引数据超过单实例限制之后,需要做分布式,这个原有 Lucene 是没有办法的,所以常规的做法也是按照某特定分类,拆分成多个索引进程,客户端查询时带上特定分类,后端根据特定分类路由到具体的索引。

  • Lucene 库本身的掌控难度,对于功力尚浅的开发工程师,需要考虑的因素实在太多了,稍微不慎,就会出现很大的程序问题。

Lucene 内部索引构建与查询过程


Elasticsearch 与 Lucene 核心库竞争的优势在于:
  • 完美封装了 Lucene 核心库,设计了友好的 Restful-API,开发者无需过多关注底层机制,直接开箱即用。

  • 分片与副本机制,直接解决了集群下性能与高可用问题。


Elastic 近年的快速发展,市面上已经很少发现基于 Lucene 构建搜索引擎的项目,几乎清一色选择 Elasticsearch 作为基础数据库服务。


由于其开源特性,广大云厂商也在此基础上定制开发,与自己的云平台深度集成,但也没有独自发展一个分支。本次的竞争中,Elasticsearch 完胜。


Solr


Solr 是第一个基于 Lucene 核心库功能完备的搜索引擎产品,诞生远早于 Elasticsearch。


早期在全文搜索领域,Solr 有非常大的优势,几乎完全压倒 Elastic,在近几年大数据发展时代,Elastic 由于其分布式特性,满足了很多大数据的处理需求。


特别是后面 ELK 这个概念的流行,几乎完全忘记了 Solr 的存在,虽然也推出了 Solr-Coud 分布式产品,但已经基本无优势。


接触过几个数据类公司,全文搜索都基于 Solr 构建,且是单节点模式,偶然出现一些问题,找咨询顾问排查问题,人员难找,后面都迁移到 Elasticsearch 之上。


现在市面上几乎大大小小公司都在使用 Elasticsearch,除了老旧系统有的基于 Solr 的,新系统项目应该全部是 Elasticsearch。


个人认为有以下几个原因:
  • ES 比 Solr 更加友好简洁,门槛更低。

  • ES 比 Solr 产品功能特点更加丰富,分片机制,数据分析能力。

  • ES 生态发展,Elastic-stack 整个技术栈相当全,与各种数据系统都很容易集成。

  • ES 社区发展更加活跃,Solr 几乎没有专门的技术分析大会。

Solr 产品功能模块内部架构图


本次竞争中,Elasticsearch 完胜。


RDBMS


关系型数据库与 Elasticsarch 相比主要优点是事务隔离机制无可替代,但其局限性很明显。


主要几个方面如下:
  • 关系型数据库查询性能,数据量超过百万级千万级之后下降厉害,本质是索引的算法效率不行,B+ 树算法不如倒排索引算法高效。

  • 关系型数据库索引最左原则限制,查询条件字段不能任意组合,否则索引失效,相反 Elasticserach 可以任意组合,此场景在数据表关联查询时特别明显,Elasticsearch 可以采用大宽表解决,而关系型数据库不能。

  • 关系型数据库分库分表之后多条件查询,难于实现,Elasticsearch 天然分布式设计,多个索引多个分片皆可联合查询。

  • 关系型数据库聚合性能低下,数据量稍微多点,查询列基数多一点性能下降很快,Elasticsearch 在聚合上采用的是列式存储,效率极高。

  • 关系型数据库侧重均衡性,Elasticsearch 侧重专一查询速度。


若数据无需严格事务机制隔离,个人认为都可以采用 Elasticsearch 替代。若数据既要事务隔离,也要查询性能,可以采用 DB 与 ES 混合实现。

RDBMS 与 ES 各自优势示意图

OpenTSDB


OpenTSDB 内部基于 HBase 实现,属于时间序列数据库,主要针对具有时间特性和需求的数据,进行过数据结构的优化和处理,从而适合存储具有时间特性的数据,如监控数据、温度变化数据等。


小米公司开源监控体系 open-falcon 的就是基于 OpenTSDB 实现。

OpenTSDB 时间序列数据库内部实现


Elastic 产品本身无意时间序列这个领域,随着 ELK 的流行,很多公司采用ELK来构建监控体系,虽然在数值类型上不像时间序列数据库做过特别处理,但由于其便利的使用,以及生态技术栈的优势,我们也接受了这样的事实。


Elasticsearch 构建时间序列很简单,性能也相当不错:
  • 索引创建规则,可以按年、按月、按周、按星期、按天、按小时等都创建索引,非常便利。

  • 数据填充方面,定制一个时间字段做区分排序,其余的字段无需。

  • 数据查询方面,除了按实际序列查询外,还可以有更多的搜索条件。


除非对于时间序列数据有非常苛刻的监控需求,否则选择 Elasticsearch 会更加合适一些。

HBase


HBase 是列式数据库的代表,其内部有几个致命设计大大限制了它的应用范围:
  • 访问 HBase 数据只能基于 Rowkey,Rowkey 设计的好坏直接决定了HBase使用优劣。

  • 本身不支持二级索引,若要实现,则需要引入第三方。


关于其各种技术原理就不多说了,说说它的一些使用情况。


公司所属物流速运行业,一个与车辆有关的项目,记录所有车辆行驶轨迹,车载设备会定时上报车子的轨迹信息,后端数据存储基于 HBase,数据量在几十 TB 级以上。


由于业务端需要依据车辆轨迹信息计算它的公里油耗以及相关成本,所以要按查询条件批量查询数据,查询条件有一些非 Rowkey 的字段,如时间范围,车票号,城市编号等,这几乎无法实现,原来暴力的做过,性能问题堪忧。


此项目的问题首先也在于 Rowkey 难设计满足查询条件的需求,其次是二级索引问题,查询的条件很多。


如果用列式数据库仅限于 Rowkey 访问场景,其实采用 Elastic 也可以,只要设计好 _id,与 HBase 可以达到相同的效果。

如果用列式数据库查询还需要引入三方组件,那还不如直接在 Elasticsearch 上构建更直接。


除非对使用列式数据库有非常苛刻的要求,否则 Elasticsearch 更具备通用性,业务需求场景适用性更多。

列式数据库内部数据结构示意图


MongoDB


MongoDB 是文档型数据库的代表,数据模型基于 Bson,而 Elasticsearch 的文档数据模型是 Json,Bson 本质是 Json 的一种扩展,可以相互直接转换,且它们的数据模式都是可以自由扩展的,基本无限制。


MongoDB 本身定位与关系型数据库竞争,支持严格的事务隔离机制,在这个层面实际上与 Elasticsearch 产品定位不一样,但实际工作中,几乎没有公司会将核心业务数据放在 MongoDB 上,关系型数据库依然是第一选择。


若超出这个定位,则 Elasticsearh 相比 MongoDB 有如下优点:
  • 文档查询性能,倒排索引/KDB-Tree 比 B+Tree 厉害。

  • 数据的聚合分析能力,ES 本身提供了列式数据 doc_value,比 MongoDB 的行式要快不少。

  • 集群分片副本机制,ES 架构设计更胜一筹。

  • ES 特色功能比 MongoDB 提供的更多,适用的场景范围更宽泛。

  • 文档数据样例,ObjectId 由 MongoDB 内置自动生成。

公司刚好有个项目,原来数据层基于 MongoDB 设计构建的,查询问题不少 ,后面成功迁移到 Elasticsearch 平台上,服务器数据量从 15 台降低到 3 台,查询性能还大幅度提升十倍。


详细可阅读笔者另一篇文章《为什么要从MongoDB迁移到Elasticsearch?抛开数据事务隔离,Elasticsearch 可以完全替代 MongoDB。

ClickHouse


ClickHouse 是一款 MPP 查询分析型数据库,近几年活跃度很高,很多头部公司都引入其中。


我们为什么要引入呢,原因可能跟其他头部公司不太一样,如下:
  • 笔者长期从事大数据工作,经常会碰到数据聚合的实时查询需求,早期我们会选择一款关系型数据库来做做聚合查询,如 MySQL/PostgreSQL,稍微不注意就很容易出现性能瓶颈。

  • 后面引入 Elasticsearch 产品,其基于列式设计以及分片架构,性能各方面确实明显优于单节点的关系型数据库。

  • Elasticsearch 局限性也很明显,一是数据量超过千万或者亿级时,若聚合的列数太多,性能也到达瓶颈;二是不支持深度二次聚合,导致一些复杂的聚合需求,需要人工编写代码在外部实现,这又增加很多开发工作量。

  • 后面引入了 ClickHouse,替代 Elasticserach 做深度聚合需求,性能表现不错,在数据量千万级亿级表现很好,且资源消耗相比之前降低不少,同样的服务器资源可以承担更多的业务需求。


ClickHouse 与 Elasticsearch 一样,都采用列式存储结构,都支持副本分片。


不同的是 ClickHouse 底层有一些独特的实现,如下:
  • MergeTree 合并树表引擎,提供了数据分区、一级索引、二级索引。

  • Vector Engine 向量引擎,数据不仅仅按列存储,同时还按向量(列的一部分)进行处理,这样可以更加高效地使用 CPU。

ClickHouse 在大数据平台中的位置

Druid


Durid 是一个大数据 MPP 查询型数据产品,核心功能 Rollup,所有的需要 Rollup 原始数据必须带有时间序列字段。


Elasticsearch 在 6.3.X 版本之后推出了此功能,此时两者产品形成竞争关系,谁高谁下,看应用场景需求。


Druid 样本数据,必须带有 time 时间字段。

笔者之前负责过公司所有 Elasticsearch 技术栈相关数据项目,当时也有碰到一些实时聚合查询返回部分数据的需求。


但我们的需求不太一样,索引数据属于离线型更新,每天都会全部删除并重新创建索引插入数据。


此时使用 Elastic 的版本是 6.8.X,仅支持离线型数据 Rollup,所以此功能没用上,Elastic 在 7.2.X 版本之后才推出实时 Rollup 功能。
  • Druid 更加专注,产品设计围绕 Rollup 展开,Elastic 只是附带。

  • Druid 支持多种外接数据,直接可以对接 Kafka 数据流,也可以直接对接平台自身内部数据;而 Elastic 仅支持内部索引数据,外部数据需要借助三方工具导入到索引里。

  • Druid 在数据 Rollup 之后,会丢弃原始数据;Elastic 在原有索引基础之后,生成新的 Rollup 之后的索引数据。

  • Druid 与 Elastic 的技术架构非常类似,都支持节点职责分离,都支持横向扩展。

  • Druid 与 Elastic 在数据模型上都支持倒排索引,基于此的搜索与过滤。

Druid 产品技术架构体系示意图


关于 Rollup 这个大数据分析领域,若有大规模的 Rollup 的场景需求,个人更倾向于 Druid。


结语


总结:
  • Elasticsearch 产品功能全面,适用范围广,性能也不错,综合应用是首选。

  • Elasticsearch 在搜索查询领域,几乎完胜所有竞争产品,在笔者的技术栈看来,关系型数据库解决数据事务问题,Elasticsearch 几乎解决一切搜索查询问题。

  • Elasticsearch 在数据分析领域,产品能力偏弱一些,简单通用的场景需求可以大规模使用,但在特定业务场景领域,还是要选择更加专业的数据产品,如前文中提到的复杂聚合、大规模 Rollup、大规模的 Key-Value。

  • Elasticsearch 越来越不像一个搜索引擎,更像是一个全能型的数据产品,几乎所有行业都在使用,业界非常受欢迎。

  • Elasticsearch 用得好,下班下得早。


注:内容来源于笔者实际工作中运用多种技术栈实现场景需求,得出的一些实战经验与总结思考,提供后来者借鉴参考。


本文围绕 Elastic 的竞争产品对比仅限概要性分析,粒度较粗,深度有限,之后会有更加专业深入竞争产品分析文章,敬请期待。


作者:李猛(ynuosoft)

简介:Elastic-stack 产品深度用户,ES 认证工程师,2012 年接触 Elasticsearch,对 Elastic-Stack 开发、架构、运维等方面有深入体验,实践过多种 Elasticsearch 项目,最暴力的大数据分析应用,最复杂的业务系统应用;业余为企业提供 Elastic-Stack 咨询培训以及调优实施。

编辑:陶家龙

出处:转载自微信公众号 DBAplus 社群(ID:dbaplus)

精彩文章推荐:

写了个Bug,误执行rm -fr /*,瞬间背后一凉!

几十亿数据查询3秒返回,ES性能优化实战!

如果全世界的程序员突然消失了,会发生什么?

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/62858
 
452 次点击