七個生產案例告訴你BATJ為何選擇ElasticSearch!應用場景和優勢!

胖滾豬學程式設計發表於2020-06-01

本文來源於公眾號【胖滾豬學程式設計】,轉載請註明出處。

從今天開始,想和你一起死磕ElasticSearch,學習分散式搜尋引擎,跟著胖滾豬就對了!

既然是ES的第一課,那麼最重要的是讓你愛上它!不想說那些單純的優勢、概念了,直接上大廠的生產案例,才是最能吸引你的!跟著大廠走,沒問題的!

為啥選擇ES?

一個技術服務元件,首先需要了解全面它的使用場景,才能更針對性的去研究及推廣。因此第一要務是搞懂為什麼要學習ElasticSearch,開頭po先一張排行圖,大哥的地位可不是瞎搞來的,沒點實力能上位?憑這排名就是你要學習它的理由!

image.png

憑啥排這麼前呢?不就是個搜尋引擎嗎。額,也許提到Elasticseach,你第一反應就是"搜尋引擎"。類似百度搜尋、淘寶搜尋那種。而我寫這篇文章就是為了糾正你這個"錯誤"的觀點。

Elasticseach 確實是做搜尋引擎出家的,但是到現在已經進化成了一個全能型的資料產品。因此你的思維決不能限制在搜尋引擎上。

本文通過一線大廠的八個案例,全方位讓你瞭解ElasticSearch的應用場景和優勢,包括:

  • 日誌實時分析
  • 搜尋服務
  • 資料分析
  • 資料監控
  • 查詢服務
  • 後端儲存

ElasticSearch在騰訊的應用

ElasticSearch在騰訊的應用非常廣泛,主要有三:日誌實時分析場景、搜尋服務、時序資料分析。

  • 搜尋服務: 例如像騰訊文件基於 ES 做全文檢索,電商客戶拼多多、蘑菇街等大量的商品搜尋都是基於 ES。
  • 日誌分析: 這個是 ES 應用最廣泛的領域,支援全棧的日誌分析,包括各種應用日誌、資料庫日誌、使用者行為日誌、網路資料、安全資料等等。ES 擁有一套完整的日誌解決方案,可以秒級實現從採集到展示。
  • 時序分析: 典型的場景是監控資料分析,比如雲監控,整個騰訊雲的監控都是基於 ES 的。此外還包括物聯網場景,也有大量的時序資料。時序資料的特點是寫入吞吐量特別高,ES 支援的同時也提供了豐富的多維統計分析運算元。

日誌實時分析

image.png
典型日誌如下:

  • 運營日誌,比如慢日誌、異常日誌,用來定位業務問題;
  • 業務日誌,比如使用者的點選、訪問日誌,可以用來分析使用者行為;
  • 審計日誌,可以用於安全分析。ES 很完美的解決了日誌實時分析的需求,它具有如下特點:

Elastic 生態提供了完整的日誌解決方案,任何一個開發、運維同學使用成熟元件,通過簡單部署,即可搭建起一個完整的日誌實時分析服務。

  • 在 Elastic 生態中,日誌從產生到可訪問一般在 10s 級。相比於傳統大資料解決方案的幾十分鐘、小時級,時效性非常高。ES 擁有一套完整的日誌解決方案(ELK),可以秒級實現從採集到展示。

  • 由於支援倒排索引、列儲存等資料結構,ES 提供非常靈活的搜尋分析能力。

  • 支援互動式分析,即使在萬億級日誌的情況下,ES 搜尋響應時間也是秒級。

日誌是網際網路行業最基礎、最廣泛的資料形式,ES 非常完美的解決了日誌實時分析場景,這也是近幾年 ES 快速發展的一個重要原因

搜尋服務

image.png
搜尋服務,典型場景包含:商品搜尋,類似京東、淘寶、拼多多中的商品搜尋;APP 搜尋,支援應用商店裡的應用搜尋;站內搜尋,支援論壇、線上文件等搜尋功能。我們支援了大量搜尋服務,它們主要有以下特點:

  • 高效能:單個服務最大達到 10w+ QPS,平響 20ms~,P95 延時小於 100ms。
  • 強相關:搜尋體驗主要取決於搜尋結果是否高度匹配使用者意圖,需要通過正確率、召回率等指標進行評估。
  • 高可用:搜尋場景通常要求高可用性,支援單機房故障容災。任何一個電商服務,如淘寶、京東、拼多多,只要故障一個小時就可以上頭條。

時序資料分析

image.png
時序資料分析,典型的時序資料包含:Metrics,即傳統的伺服器監控;整個騰訊雲的監控都是基於 ES 的。APM,應用效能監控;物聯網資料,智慧硬體、工業物聯網等產生的感測器資料。時序資料的特點是寫入吞吐量特別高,ES 支援的同時也提供了豐富的多維統計分析運算元。這類場景具有以下特點:

  • 高併發寫入:線上單叢集最大規模達到 600+節點、1000w/s 的寫入吞吐。

  • 高查詢效能:要求單條曲線 或者單個時間線的查詢延時在 10ms~。

  • 多維分析:要求靈活、多維度的統計分析能力,比如我們在檢視監控的時候,可以按照地域、業務模組等靈活的進行統計分析。

上面通過騰訊的案例我們瞭解了三大應用場景,

  • 日誌實時分析場景

  • 搜尋服務

  • 時序資料分析

另外從這三大應用場景我們也可以歸納出ES的幾大優勢:

1、具有高可用性、高擴充套件性;

2、查詢速度快,效能佳;

3、搜尋功能強大,高度匹配使用者意圖。

因此,可以看出,ES在日誌實時分析和搜尋方面的應用優勢簡直是無敵的!起碼目前,在這兩方面,還沒有強勁的對手!

ElasticSearch在京東的應用

通過京東的案例,聊一聊ES在查詢、檢索、資料分析方面的應用場景

由於較高的效能和較低的使用門檻,京東內部有很多的場景都在使用 Elasticsearch。覆蓋了京東多條業務線,同時也覆蓋了很多應用場景:
image.png

補充關係型資料庫的結構化資料查詢

主要應用的業務是商品、促銷、優惠券、訂單、收銀臺、物流、對賬、評論等大資料量查詢。此場景的核心訴求是高效能、穩定性和高可用性,部分場景會有檢索要求,通常用於加速關係型資料庫,業務系統通過 binlog 同步或業務雙寫完成資料同步。

全文檢索功能

主要的應用場景是應用、安全、風控、交易等操作日誌,以及京東部分品類商品搜尋。此類日誌化場景對寫要求很高,查詢效能及高可用等要求相對較低,大的業務寫會達到數千萬 / 秒,儲存以 PB 為單位來計算。
這些場景對磁碟、記憶體有比較高的要求,因此,京東也做了相應優化,用於減少記憶體消耗,提升磁碟整體使用率,使用更廉價的磁碟來降低成本等等。

實時資料分析引擎,形成統計報表

主要應用的業務是物流單的各種分析、訂單資料分析、使用者畫像等。因為業務資料分析緯度較多,flink、storm 等流式分析對於某些報表場景不太適用,批處理實時性又成為問題,所以近實時分析的 Elasticsearch 就成為了這些業務的選擇。

從京東的案例中,我們似乎看到了,可以利用ES在某些場景下代替關係型資料庫哦!不僅如此,ES在實時資料分析領域,居然也有一席之地!

ElasticSearch在去哪兒的應用

通過去哪兒的案例,聊一聊ES在查詢方面的應用場景,可以簡單的理解為"代替"mysql。注意代替加了引號,閉著眼睛想都不可能完全代替。比如事務性。

15年去哪兒網酒店日均訂單量達到30w+,隨著多平臺訂單的聚合日均訂單能達到100w左右。

原來採用的熱表分庫方式,即將最近6個月的訂單的放置在一張表中,將歷史訂單放在在history表中。history表儲存全量的資料,當使用者查詢的下單時間跨度超過6個月即查詢歷史訂單表,此分表方式熱表的資料量為4000w左右,當時能解決的問題。但是顯然不能滿足攜程藝龍訂單接入的需求。

如果繼續按照熱表方式,資料量將超過1億條。全量資料表儲存2年的可能就超過4億的資料量。所以尋找有效途徑解決此問題迫在眉睫。由於對這預計4億的資料量還需按照預定日期、入住日期、離店日期、訂單號、聯絡人姓名、電話、酒店名稱、訂單狀態……等多個條件查詢。所以簡單按照某一個維度進行分表操作沒有意義。

顯然只通過DB來支撐大量的查詢是不可取的,同時對於一些複雜的查詢,Mysql支援得不夠友好,所以Elasticsearch分散式搜尋儲存叢集的引入,就是為了解決訂單資料的儲存與搜尋的問題。

對訂單模型進行抽象和分類,將常用搜尋欄位和基礎屬性欄位剝離。DB做分庫分表,儲存訂單詳情;Elasticsearch儲存搜素欄位。

訂單複雜查詢直接走Elasticsearch,基於OrderNo的簡單查詢走DB,如下圖所示。

從去哪兒的案例中,我們似乎看到了,關係型資料庫撐不起的複雜查詢,ES可以勝任

總結

什麼時候應該用ElasticSearch?

1、典型搜尋場景:閉著眼用它!

2、典型日誌分析場景:閉著眼用它!

3、關係型資料庫查詢有瓶頸:考慮下用它!為啥是考慮?ES的優點在於查詢,然而實踐證明,在被作為資料庫來使用,即寫完馬上查詢會有延遲。

4、資料分析場景:考慮下用它!為啥是考慮?簡單通用的場景需求可以大規模使用,但在特定業務場景領域,還是要選擇更加專業的資料產品,如複雜聚合,ClickHouse相比 Elasticserach 做億級別資料深度聚合需求會更加合適。

ElasticSearch有什麼優勢呢?

1、很簡便的橫向擴容,分散式的架構,可以輕鬆地對資源進行橫向縱向擴縮容,可以滿足不同資料量級及查詢場景對硬體資源的需求。能由數百臺到萬臺機器搭建滿足PB級的快速搜尋,也能搭建單機版服務小公司。

2、查詢速度快:ES底層採用Lucene作為搜尋引擎,並在此之上做了多重優化,保證了使用者對資料查詢資料的需求。可"代替"傳統關係型資料庫,也可用於複雜資料分析,海量資料的近實時處理等。

3、相關性高:ES內部提供了完善的評分機制,會根據分詞出現的頻次等資訊對文件進行相關性排序,保證相關性越高的文件排序越靠前。另外還提供了包括模糊查詢,字首查詢,萬用字元查詢等在內的多種查詢手段,幫助使用者快速高效地進行檢索。

4、功能點多但使用比較簡便,開箱即用,效能優化比較簡單

5、生態圈豐富,社群活躍,適配多種工具。如下圖,處理日誌和輸出到Elasticsearch,您可以使用日誌記錄工具,如Logstash(www.elastic.co/products/logstash),搜尋和視覺化介面分析這些日誌,你可以使用Kibana(www.elastic.co/產品/ kibana),即傳說中的ELK技術棧。另外當前主流的大資料框架也幾乎都支援ES,比如Flink和ES就是個完美搭檔。

image

本文參考:

騰訊萬億級 Elasticsearch 技術解密

搜尋引擎怎麼選?攜程酒店訂單Elasticsearch實戰

Elasticsearch在京東的使用場景

本文來源於公眾號:【胖滾豬學程式設計】。一枚集顏值與才華於一身,不算聰明卻足夠努力的女程式媛。用漫畫形式讓程式設計so easy and interesting!求關注!

相關文章