Elasticsearch 存储一条数据， put 过程是什么样子的？-51CTO.COM

前言

在前面已经介绍了 ES 中常用的一些名词，知道了数据是存储在 shard 中的，而 index 会映射一个或者多个 shard 。那这时候我要存储一条数据到某个索引下，这条数据是在哪个 index 下的呢? "

1.ES演示

一切按照官方教程使用三条命令，在本机启动三个节点组装成伪集群。

~  % > ./elasticsearch 
 
~  % > ./elasticsearch -Epath.data=data2 -Epath.logs=log2 
 
~  % > ./elasticsearch -Epath.data=data3 -Epath.logs=log3

创建一个索引

curl -X PUT "localhost:9200/my-index-000001?pretty" -H 'Content-Type: application/json' -d' 
{ 
  "settings": { 
    "index": { 
      "number_of_shards": 3,   
      "number_of_replicas": 2  
    } 
  } 
} 
'

当前版本 7.9

ES 默认 number_of_shards 为 1

默认 number_of_replicas 为 1，即一个分片只有一个副本

下面命令可以查看索引信息：

curl -X GET "localhost:9200/_cat/indices/my-index-000001?v&s=index&pretty"

存放数据

curl -X PUT "localhost:9200/my-index-000001/_doc/0825?pretty" -H 'Content-Type: application/json' -d' 
{ 
  "name": "liuzhihang" 
} 
'

查询数据

curl -X GET "localhost:9200/my-index-000001/_doc/0825?pretty"

2.一条数据该存放在哪个 shard ?

通过命令可以看出：在存放数据时并没有指定到哪个 shard，那数据是存在哪里的呢?

当一条数据进来，会默认会根据 id 做路由：

shard = hash(routing) % number_of_primary_shards

从而确定存放在哪个 shard。routing 默认是 _id，也可以设置其他。

这个 id 可以自己指定也可以系统给生成, 如果不指定则会系统自动生成。

3.put 一条数据的过程是什么样的?

写入过程主要分为三个阶段

1.协调阶段：Client 客户端选择一个 node 发送 put 请求，此时当前节点就是协调节点(coordinating node)。协调节点根据 document 的 id 进行路由，将请求转发给对应的 node。这个 node 上的是 primary shard 。

2.主要阶段：对应的 primary shard 处理请求，写入数据，然后将数据同步到 replica shard。

primary shard 会验证传入的数据结构
本地执行相关操作
将操作转发给 replica shard

3.当数据写入 primary shard 和 replica shard 成功后，路由节点返回响应给 Client。

4.副本阶段：每个 replica shard 在转发后，会进行本地操作。

在写操作时，默认情况下，只需要 primary shard 处于活跃状态即可进行操作。

在索引设置时可以设置这个属性

index.write.wait_for_active_shards

默认是 1，即 primary shard 写入成功即可返回。

如果设置为 all 则相当于 number_of_replicas+1 就是 primary shard 数量 + replica shard 数量。就是需要等待 primary shard 和 replica shard 都写入成功才算成功。

可以通过索引设置动态覆盖此默认设置。

4.总结

如何看一条数据在哪个 shard 上呢?

curl -X GET "localhost:9200/my-index-000001/_search_shards?routing=0825&pretty"

通过上面命令可以查到数据 0825 的所在 shard。