0
点赞
收藏
分享

微信扫一扫

Elasticsearch解决问题之道——请亮出你的DSL!

慎壹 2022-05-09 阅读 72

0、引言


在业务开发中,我们往往会陷入开发的细枝末节之中,而忽略了事物的本源。经常有同学问到:

  • 1, 业务代码实现结果和kibana验证不一致。比如:我的python或者java程序检索结果怎么和kibana里面不一致?
  • 2, 我的某个关键词明明匹配,但怎么检索不到?比如:星球群讨论的“三星”ik_max_word + match_phrase匹配问题。
  • 3, 熟悉sql,但转dsl就不会写了。比如:做聚合搜索的话,select * from user where usrid >5  group by userid having count(userid) >3  这个功能能在一个dsl实现吗 ?
  • 4, 查询慢,但不知道什么原因导致的。比如:elasticsearch有8亿数据查询慢是怎么回事,有什么办法优化。

等等等等…..以上的看似复杂的问题,如果转换成DSL,清楚的写出来,梳理清楚问题的来龙去脉,问题就自然解决了一大半。所以,请亮出你的dsl,不论什么语言的检索,转换到es查询都是sql查询,在es中对应dsl语法,es再拆解比如:分词match_phrase拆解成各term组合,最终传给lucene处理。亮出你的dsl,确保编程里的实现和你的kibana或者head插件一致是非常重要、很容易被忽视的工作。如果对dsl拆解不理解,那就再加上profile:true或者explain:true拆解结果一目了然。

1、啥是Elasticsearch DSL?​

维基百科定义:领域特定语言(英语:domain-specific language、DSL)指的是专注于某个应用程序领域的计算机语言。又译作领域专用语言。Elasticsearch提供基于JSON的完整查询DSL来定义查询。 将Query DSL视为查询的AST(抽象语法树),由两种类型的子句组成:1、叶子查询子句叶查询子句查找特定字段中的特定值,例如匹配,术语或范围查询。 这些查询可以单独使用。2、复合查询子句复合查询子句可以组合其他叶子或复合查询,用于以逻辑方式组合多个查询(例如bool或dis_max查询),或更改其行为(例如constant_score查询)。给个例子,一看就明白。

1GET "localhost:9200/_search
2{
3  "
query": { 
4    "
bool": { 
5      "
must": [
6        { "
match": { "title":   "Search"        }}, 
7        { "
match": { "content": "Elasticsearch" }}  
8      ],
9      "
filter": [ 
10        { "
term":  { "status": "published" }}, 
11        { "
range": { "publish_date": { "gte": "2015-01-01" }}} 
12      ]
13    }
14  }
15}
16

看到这里,可能会有人着急了:“我X,这不是官网定义吗?再写一遍有意思吗?引用一句鸡汤话,“再显而易见的道理,在中国,至少有一亿人不知道”。同样的,再显而易见的问题,在Elasticsearch技术社区也会有N多人提问。基础认知不怕重复,可怕的是对基础的专研、打磨、夯实

2、DSL的全局认知​

Elasticsearch相关的核心操作,广义上可做如下解读,不一定涵盖全,仅抛砖引玉,说明DSL的重要性。从大到小。

2.1 维度1:集群的管理。

集群的管理,一般我们会使用Kibana或者第三方工具Head插件、cerebro工具、elastic-hq工具。基本上硬件的(磁盘、cpu、内存)使用率、集群的健康状态都能一目了然。但基础的DSL会更便捷,便于细粒度分析问题。

如:集群状态查询:

1GET /_cluster/stats?human&pretty

如:节点热点线程查看:

1GET /_nodes/hot_threads

如:集群分片分配情况查看:

1GET /_cluster/allocation/explain

2.2 维度2:索引的生命周期管理。

索引生命周期是一直强调的概念,主要指索引的“生、老、病、死”的全过程链条的管理。

2.2.1、生:创建索引。

创建索引我们优先使用较单纯index更灵活的template模板。创建索引类似Mysql的创建表的操作,提前设计好表结构对应ES是提前设计好Mapping非常重要。两个维度:

  • 1、血淋淋的教训:业务上精炼再精炼,一个索引搞定的绝不多表关联。
  • 2、提前设计好字段及扩展字段,即便ES支持动态添加字段。
  • 3、不使用动态映射,所有字段自己定义,节省存储空间。
    举例:

1PUT _template/template_1

2{

3  "index_patterns": ["te*""bar*"],

4  "settings": {

5    "number_of_shards": 1

6  },

7  "mappings": {

8    "_doc": {

9      "_source": {

10        "enabled"false

11      },

12      "properties": {

13        "host_name": {

14          "type""keyword"

15        }

16      }

17    }

18  }

19}

20'
21

2.2.2、老:滚动索引、关闭索引或者冻结索引。

举例:

1POST /my_index/_freeze

2POST /my_index/_unfreeze

2.2.3、病:索引出了问题。

如:索引清理缓存。

1POST /twitter/_cache/clear

如:某原因导致分片重新分配,_recovery查看分片分配状态。

1GET index1,index2/_recovery?human

2.2.4、死:删除索引。

1DELETE my_index

高版本的索引生命周期管理推荐使用:ILM功能。

2.3 维度3:数据的增删改查。

这个是大家再熟悉不过的了。

2.3.1 增

单条导入数据、批量bulk写入数据、第三方同步数据(本质也是批量)。

举例:

1POST _bulk

2"index" : { "_index" : "test""_id" : "1" } }

3"field1" : "value1" }

2.3.2 删

删除数据包括:指定id删除 delete和批量删除delete_by_query(满足给定条件)。

2.3.3 改

更新操作。包括:指定id的update/upsert或者批量更新update_by_query。

2.3.4 查

这是ES的重头戏。包含但不限于:1、支持精确匹配查询的:term、range、exists、wildcard、prefix、fuzzy等。2、支持全文检索的:match、match_phrase、query_string、multi_match等

2.4 维度4:数据统计分析

Elasticsearch解决问题之道——请亮出你的DSL!_sql

1、Bucketing分桶聚合

举例:最常用的terms就类似Mysql group by功能。2、Metric计算聚合

举例:类比Mysql中的: MIN(), MAX(), SUM() 操作。3、Pipeline针对聚合结果聚合

举例:bucket_script实现类似Mysql的group by 后having的操作。

2.5  更多其他维度

留给大家结合业务场景思考添加。

3、实践干货​

讲了那么多,实践中遇到问题咋办?

这里把开头提到的几个问题逐一解答一下。

3.1,业务代码实现结果和kibana验证不一致。

实际Mysql业务中,我们一般是先验证sql没有问题,再写业务代码。实际ES业务中,也一样,先DSL确认没有问题,再写业务代码。写完java或者python后,打印DSL,核对是否完全一致。不一致的地方基本就是结果和预期不一致的原因所在。

3.2,我的某个关键词明明匹配,但怎么检索不到?

第一步:借助analyzer API分析查询语句和待查询document分词结果。

1GET my_index/_analyze 

2{

3  "field""text",

4  "text""华为鸿蒙系统发布-可随时替代安卓",

5  "analyzer":"ik_smart"

6}

这个API的重要性,再怎么强调都不为过。第二步:可以借助profile:true查看细节。第三步:核对match_phrase词序的原理。

3.3,熟悉sql,但转dsl就不会写了。

6.3版本后已经支持sql,如果不会写,可以借助translate 如下API翻译一下。

Elasticsearch解决问题之道——请亮出你的DSL!_elasticsearch_02

不够精确,但足够参考用了,需要根据业务细节微调。当然,还是建议,从业务出发,自己写DSL

3.4,查询慢,但不知道什么原因导致的。

从大往小,逐步细化排解

  • 思路1:索引层面。
    8亿条分散到多个索引、多个副本当中,还是一个索引?
  • 思路2:Mapping映射设计层面。
    举例,设计高效检索Number类型建议改成keyword。
    详细参考携程架构师的文章:number?keyword?傻傻分不清楚
  • 思路3:检索DSL优化层面
    注意:能使用filter过滤检索的就不要使用query,原理参考我之前梳理的文章:
    ​​​吃透 | Elasticsearch filter和query的不同 ​​
  • 思路4:返回字段层面
    有没有检索的使用_source:""  限定返回的字段,
    如果没有,会全字段返回,数据量大的话,也会慢。
  • 思路5:DSL 调试
    调试方法:DSL执行语句中加上profile:true .
    或者借助:xpack可视化插件排查。
    这样,会打印出对应查询的细节花费时间,让你明明白白知道那里慢了。
  • 思路6:日志查询
    查询的时候,查询ES日志,看看有没有大量的gc。
    看看有没有错误日志,错误日志的处理就是优化的方向。
  • 思路7:借助cerebro或者xpack mointer监视集群状态
    看一看,集群堆内存、cpu、负载的使用情况。
  • 思路8:外部思维
    想一想,查询的时候,有没有并行的写入操作?
    那么查询的时候慢,是不是写入压力大队集群造成的影响。
  • 思路9:排除网络慢的原因
    内网查询还是外网映射查询,返回时间也不一样。
  • 思路10:其他问题
    结合业务场景进行分析,自己的业务代码逻辑的问题。
    一定要转成DSL进行最小化定位

4、小结​

  • 实际业务中的问题远比上面复杂。但开发的过程中,很多时候,走的太久忘记了出发的目的是什么。
  • 本文仅起到抛砖引玉作用,更多复杂DSL、脚本、自定义评分等DSL没有涉及,不过原理一致。
  • 所以,遇到问题,切莫乱求医。亮出你的DSL,追根溯源、条分缕析逐步细化,问题会迎刃而解。一起加油,共勉!



举报

相关推荐

0 条评论