Elastic 探祕之遺落的珍珠

在建立資料庫表的時候，我們可能會面臨為表中的欄位新增備註的需求，對於業務複雜環境下的開發者來說這通常非常有幫助。

一般開發人員會為此編寫詳細的開發文件，標註各個欄位的用處，不過文件的問題在於難以保持更新，很少有人查閱。

最好的方式是將備註和資料繫結在一起，恰好ES擁有這個功能，它通過Mate欄位實現（如上圖）。Meta中所有的資訊都能夠自定義，類似於後設資料儲存倉庫，比如庫表資訊、表中欄位、欄位備註、版本、建立者等。

排序是查詢中比較常見的操作，一些限定範圍的操作也會依賴於它。一般排序的步驟是先查詢資料獲取到文件，然後再使用特定欄位進行排序。這種方式的效能開銷較大，文件越多排序越慢。

理想的情況是在建索引的時候就排好序，這樣可以一次性獲取到結果，避免不必要的效能消耗。利用ES的Index Sorting能夠完美的實現這一效果，另外它還帶來了更好的壓縮比和更小的磁碟空間。

使用方法也很簡單，先指定排序欄位，可以是一個或多個（上圖為date），然後指定排序方式，倒序或正序，最後新建成的欄位在建立索引的時候會依據它來排序。

在ES中請求傳送到任意節點之後，若索引主分片不在請求所在節點，請求就會被轉發到主分片所在的伺服器節點上，之後由主分片建立索引並寫入副本。相對寫入，查詢過程會簡單些，請求達到節點後，該節點會拿到副本集合，然後依次輪詢。

索引資料的大小和熱度會使得叢集中不同伺服器IO壓力不一致，從而造成輪詢的時候，第一次訪問的可能是空閒的伺服器，很快就有返回，而第二次可能是壓力大的伺服器，較長時間後才有返回。

從使用者體驗角度來說，這種效果是非常不理想的。所以ES推出了Adaptive Replica Selection功能，它會以伺服器的響應時間和請求佇列作為參考指標，智慧的選擇副本進行查詢，儘可能的縮短請求響應時間。

Kuery是資料分析搜尋的視覺化平臺kibana的新查詢語法，通過在輸入框中鍵入特定欄位來檢索資訊，可以說是相對原生的搜尋方式，即沒有候選項也沒有模糊查詢。

Kibana新版中可以通過在options中開啟新feature來啟動智慧檢索功能，鍵入一部分欄位後，搜尋框下方馬上會列出補全後的候選欄位，欄位中的可能值也會被列舉出來。雖說是個小功能，不過也大大提高了檢索效率。

Chained Input Control是一種鏈式查詢的功能，所有的索引資料都以控制元件的形式存放在一個列表中，使用者可以先從列表中選擇一個控制元件作為要查詢的範圍，之後列表中的控制元件會更新為上一個控制元件所限定的範圍內，範圍更新的同時頁面展示資料也會隨之更新。

比如要查詢某個城市的相關資料，就可以先選擇國家然後選中目標城市，之後所有資料都會同步更新。如果想要更詳細的資料，還可以進一步選擇控制元件。其實本質上這是通過前一個控制元件過濾下一個控制元件的值。

最後介紹一個小功能，大家都知道在智慧化運維方面通過API來完成任務是非常有必要的，所以我們也提供了使用API建立Index Pattern的功能。

Dissect filter可以應用於有一定規則的結構化資料上。比如將一個文字欄位拆分成多個欄位，通過逗號或空格進行切割。如上圖所示，使用逗號分割欄位，大括號中是欄位的名稱。

之所以不使用正規表示式，是因為它規則過於複雜，CPU消耗非常高，而目前所用的方式僅通過符號就可以切分，能夠直觀的預測到所獲取的資料。不過該方式也存在限制，所有的資料都要遵循統一規則。

Munin不是Elastic，不過它出現的比較早，2002年的時候就誕生了，用的是PerL語言編寫的，可以執行在各個平臺上，跨平臺能力很強。

Munin主要用來監控伺服器的效能指標，比如CPU效能、磁碟佔用、記憶體佔用等。由於有著非常久的歷史，所有外掛非常豐富，基本上涵蓋了能找的所有平臺和應用。

剛好Elastic現在也在做監控和效能指標分析，我們就在想能不能直接接入Munin。最終的方案是通過beats將Munin拉入到Elastic裡進行分析，由beats彙總Munin上傳上來的資料，Elastic接收這些資料並交由Kibana分析，這樣Elastic就能應對各種不同的平臺。

如上圖所示是一個和beats相關的基於磁碟的佇列，可以理解為磁碟的一個緩衝區。當用beats進行處理資料時，如果資料時高時低記憶體佔用就會比較高，而在基於磁碟的場景下得以避免這種問題。我們還可以用磁碟做一個緩衝區，讓資料先落地。

X-Pack雖然是我們的商業產品，但是有很多免費功能，這些都預設包含在下載版本中。如上圖所示，大部分功能都是開源的，但有一部分要PAID，另一部分是免費的。

Monitoring是其中的一個免費功能，主要用來監控K8S和ES的內部執行資訊，包含從監控到收集再到視覺化的一整套流程。

第二個是SQL相關的功能，我們現在可以用SQL的語法來構建查詢，目前來說還很簡單，只提供select 基本功能，不能完全的寫資料、修改資料。主要還是用於讓資料科學家和運維分析人員方便的查詢資料，畢竟他們對SQL語句更熟悉些。

Rolling up功能可以對資料進行上卷，按照指定的時間戳範圍對資料進行聚合得到新的結果，這樣資料量會少很多，很大程度上節省了磁碟空間，也比較適用於對歷史資料和經營資料的進行業務分析。

還一個功能是Grok Debugger，它是一個用來除錯python的工具。很多場景會用到Grok，像日誌的每一行可能不一樣，就可以用Grok把它們做成一個事件。