從Elasticsearch來看分布式系統架構設計

　　【IT168 技術】分布式系統類型多，涉及面非常廣，不同類型的系統有不同的特點，批量計算和實時計算就差別非常大。這篇文章中，重點會討論下分布式數據系統的設計，比如分布式存儲系統，分布式搜索系統，分布式分析系統等。

　　我們先來簡單看下Elasticsearch的架構。

　　Elasticsearch 集群架構

　　Elasticsearch是一個非常著名的開源搜索和分析系統，目前被廣泛應用於網際網路多種領域中，尤其是以下三個領域特別突出。一是搜索領域，相對於solr，真正的後起之秀，成為很多搜索系統的不二之選。二是Json文檔資料庫，相對於MongoDB，讀寫性能更佳，而且支持更豐富的地理位置查詢以及數字、文本的混合查詢等。三是時序數據分析處理，目前是日誌處理、監控數據的存儲、分析和可視化方面做得非常好，可以說是該領域的引領者了。

　　Elasticsearch的詳細介紹可以到官網查看。我們先來看一下Elasticsearch中幾個關鍵概念：

　　節點(Node)：物理概念，一個運行的Elasticearch實例，一般是一臺機器上的一個進程。

　　索引(Index)，邏輯概念，包括配置信息mapping和倒排正排數據文件，一個索引的數據文件可能會分布於一臺機器，也有可能分布於多臺機器。索引的另外一層意思是倒排索引文件。

　　分片(Shard)：為了支持更大量的數據，索引一般會按某個維度分成多個部分，每個部分就是一個分片，分片被節點(Node)管理。一個節點(Node)一般會管理多個分片，這些分片可能是屬於同一份索引，也有可能屬於不同索引，但是為了可靠性和可用性，同一個索引的分片儘量會分布在不同節點(Node)上。分片有兩種，主分片和副本分片。

　　副本(Replica)：同一個分片(Shard)的備份數據，一個分片可能會有0個或多個副本，這些副本中的數據保證強一致或最終一致。

　　用圖形表示出來可能是這樣子的：

　　Index 1：藍色部分，有3個shard，分別是P1，P2，P3，位於3個不同的Node中，這裡沒有Replica。

　　Index 2：綠色部分，有2個shard，分別是P1，P2，位於2個不同的Node中。並且每個shard有一個replica，分別是R1和R2。基於系統可用性的考慮，同一個shard的primary和replica不能位於同一個Node中。這裡Shard1的P1和R1分別位於Node3和Node2中，如果某一刻Node2發生宕機，服務基本不會受影響，因為還有一個P1和R2都還是可用的。因為是主備架構，當主分片發生故障時，需要切換，這時候需要選舉一個副本作為新主，這裡除了會耗費一點點時間外，也會有丟失數據的風險。

　　Index流程

　　建索引(Index)的時候，一個Doc先是經過路由規則定位到主Shard，發送這個doc到主Shard上建索引，成功後再發送這個Doc到這個Shard的副本上建索引，等副本上建索引成功後才返回成功。

　　在這種架構中，索引數據全部位於Shard中，主Shard和副本Shard各存儲一份。當某個副本Shard或者主Shard丟失(比如機器宕機，網絡中斷等)時，需要將丟失的Shard在其他Node中恢復回來，這時候就需要從其他副本(Replica)全量拷貝這個Shard的所有數據到新Node上構造新Shard。這個拷貝過程需要一段時間，這段時間內只能由剩餘主副本來承載流量，在恢復完成之前，整個系統會處於一個比較危險的狀態，直到failover結束。

　　這裡就體現了副本(Replica)存在的一個理由，避免數據丟失，提高數據可靠性。副本(Replica)存在的另一個理由是讀請求量很大的時候，一個Node無法承載所有流量，這個時候就需要一個副本來分流查詢壓力，目的就是擴展查詢能力。

　　角色部署方式

　　接下來再看看角色分工的兩種不同方式：

　　Elasticsearch支持上述兩種方式：

　　混合部署(左圖)：

　　默認方式。

　　不考慮MasterNode的情況下，還有兩種Node，Data Node和Transport Node，這種部署模式下，這兩種不同類型Node角色都位於同一個Node中，相當於一個Node具備兩種功能：Data和Transport。

　　當有index或者query請求的時候，請求隨機(自定義)發送給任何一個Node，這臺Node中會持有一個全局的路由表，通過路由表選擇合適的Node，將請求發送給這些Node，然後等所有請求都返回後，合併結果，然後返回給用戶。一個Node分飾兩種角色。

　　好處就是使用極其簡單，易上手，對推廣系統有很大價值。最簡單的場景下只需要啟動一個Node，就能完成所有的功能。

　　缺點就是多種類型的請求會相互影響，在大集群如果某一個Data Node出現熱點，那麼就會影響途經這個Data Node的所有其他跨Node請求。如果發生故障，故障影響面會變大很多。

　　Elasticsearch中每個Node都需要和其餘的每一個Node都保持13個連接。這種情況下，每個Node都需要和其他所有Node保持連接，而一個系統的連接數是有上限的，這樣連接數就會限制集群規模。

　　還有就是不能支持集群的熱更新。

　　分層部署(右圖)：

　　通過配置可以隔離開Node。

　　設置部分Node為Transport Node，專門用來做請求轉發和結果合併。

　　其他Node可以設置為DataNode，專門用來處理數據。

　　缺點是上手複雜，需要提前設置好Transport的數量，且數量和Data Node、流量等相關，否則要麼資源閒置，要麼機器被打爆。

　　好處就是角色相互獨立，不會相互影響，一般Transport Node的流量是平均分配的，很少出現單臺機器的CPU或流量被打滿的情況，而DataNode由於處理數據，很容易出現單機資源被佔滿，比如CPU，網絡，磁碟等。獨立開後，DataNode如果出了故障只是影響單節點的數據處理，不會影響其他節點的請求，影響限制在最小的範圍內。

　　角色獨立後，只需要Transport Node連接所有的DataNode，而DataNode則不需要和其他DataNode有連接。一個集群中DataNode的數量遠大於Transport Node，這樣集群的規模可以更大。另外，還可以通過分組，使Transport Node只連接固定分組的DataNode，這樣Elasticsearch的連接數問題就徹底解決了。

　　可以支持熱更新：先一臺一臺的升級DataNode，升級完成後再升級Transport Node，整個過程中，可以做到讓用戶無感知。

　　上面介紹了Elasticsearch的部署層架構，不同的部署方式適合不同場景，需要根據自己的需求選擇適合的方式。

　　Elasticsearch 數據層架構

　　接下來我們看看當前Elasticsearch的數據層架構。

　　數據存儲

　　Elasticsearch的Index和meta，目前支持存儲在本地文件系統中，同時支持niofs，mmap，simplefs，smb等不同加載方式，性能最好的是直接將索引LOCK進內存的MMap方式。默認，Elasticsearch會自動選擇加載方式，另外可以自己在配置文件中配置。這裡有幾個細節，具體可以看官方文檔。

　　索引和meta數據都存在本地，會帶來一個問題：當某一臺機器宕機或者磁碟損壞的時候，數據就丟失了。為了解決這個問題，可以使用Replica(副本)功能。

　　副本(Replica)

　　可以為每一個Index設置一個配置項：副本(Replicda)數，如果設置副本數為2，那麼就會有3個Shard，其中一個是PrimaryShard，其餘兩個是ReplicaShard，這三個Shard會被Master儘量調度到不同機器，甚至機架上，這三個Shard中的數據一樣，提供同樣的服務能力。

　　副本(Replica)的目的有三個：

　　保證服務可用性：當設置了多個Replica的時候，如果某一個Replica不可用的時候，那麼請求流量可以繼續發往其他Replica，服務可以很快恢復開始服務。

　　保證數據可靠性：如果只有一個Primary，沒有Replica，那麼當Primary的機器磁碟損壞的時候，那麼這個Node中所有Shard的數據會丟失，只能reindex了。

　　提供更大的查詢能力：當Shard提供的查詢能力無法滿足業務需求的時候， 可以繼續加N個Replica，這樣查詢能力就能提高N倍，輕鬆增加系統的並發度。

　　問題

　　上面說了一些優勢，這種架構同樣在一些場景下會有些問題。

　　Elasticsearch採用的是基於本地文件系統，使用Replica保證數據可靠性的技術架構，這種架構一定程度上可以滿足大部分需求和場景，但是也存在一些遺憾：

　　Replica帶來成本浪費。為了保證數據可靠性，必須使用Replica，但是當一個Shard就能滿足處理能力的時候，另一個Shard的計算能力就會浪費。

　　Replica帶來寫性能和吞吐的下降。每次Index或者update的時候，需要先更新Primary Shard，更新成功後再並行去更新Replica，再加上長尾，寫入性能會有不少的下降。

　　當出現熱點或者需要緊急擴容的時候動態增加Replica慢。新Shard的數據需要完全從其他Shard拷貝，拷貝時間較長。

　　上面介紹了Elasticsearch數據層的架構，以及副本策略帶來的優勢和不足，下面簡單介紹了幾種不同形式的分布式數據系統架構。

　　分布式系統

　　第一種：基於本地文件系統的分布式系統

　　上圖中是一個基於本地磁碟存儲數據的分布式系統。Index一共有3個Shard，每個Shard除了Primary Shard外，還有一個Replica Shard。當Node 3機器宕機或磁碟損壞的時候，首先確認P3已經不可用，重新選舉R3位Primary Shard，此Shard發生主備切換。然後重新找一臺機器Node 7，在Node7 上重新啟動P3的新Replica。由於數據都會存在本地磁碟，此時需要將Shard 3的數據從Node 6上拷貝到Node7上。如果有200G數據，千兆網絡，拷貝完需要1600秒。如果沒有replica，則這1600秒內這些Shard就不能服務。

　　為了保證可靠性，就需要冗餘Shard，會導致更多的物理資源消耗。

　　這種思想的另外一種表現形式是使用雙集群，集群級別做備份。

　　在這種架構中，如果你的數據是在其他存儲系統中生成的，比如HDFS/HBase，那麼你還需要一個數據傳輸系統，將準備好的數據分發到相應的機器上。

　　這種架構中為了保證可用性和可靠性，需要雙集群或者Replica才能用於生產環境，優勢和副作用在上面介紹Elasticsearch的時候已經介紹過了，這裡就就不贅述了。

　　Elasticsearch使用的就是這種架構方式。

　　第二種：基於分布式文件系統的分布式系統(共享存儲)

　　針對第一種架構中的問題，另一種思路是：存儲和計算分離。

　　第一種思路的問題根源是數據量大，拷貝數據耗時多，那麼有沒有辦法可以不拷貝數據?為了實現這個目的，一種思路是底層存儲層使用共享存儲，每個Shard只需要連接到一個分布式文件系統中的一個目錄/文件即可，Shard中不含有數據，只含有計算部分。相當於每個Node中只負責計算部分，存儲部分放在底層的另一個分布式文件系統中，比如HDFS。

　　上圖中，Node 1 連接到第一個文件;Node 2連接到第二個文件;Node3連接到第三個文件。當Node 3機器宕機後，只需要在Node 4機器上新建一個空的Shard，然後構造一個新連接，連接到底層分布式文件系統的第三個文件即可，創建連接的速度是很快的，總耗時會非常短。

　　這種是一種典型的存儲和計算分離的架構，優勢有以下幾個方面：

　　在這種架構下，資源可以更加彈性，當存儲不夠的時候只需要擴容存儲系統的容量;當計算不夠的時候，只需要擴容計算部分容量。

　　存儲和計算是獨立管理的，資源管理粒度更小，管理更加精細化，浪費更少，結果就是總體成本可以更低。

　　負載更加突出，抗熱點能力更強。一般熱點問題基本都出現在計算部分，對於存儲和計算分離系統，計算部分由於沒有綁定數據，可以實時的擴容、縮容和遷移，當出現熱點的時候，可以第一時間將計算調度到新節點上。

　　這種架構同時也有一個不足：

　　訪問分布式文件系統的性能可能不及訪問本地文件系統。在上一代分布式文件系統中，這是一個比較明顯的問題，但是目前使用了各種用戶態協議棧後，這個差距已經越來越小了。

　　HBase使用的就是這種架構方式。

　　Solr也支持這種形式的架構。

　　總結

　　上述兩種架構，各有優勢和不足，對於某些架構中的不足或缺陷，思路不同，解決的方案也大相逕庭，但是思路跨度越大，收益一般也越大。

　　上面只是介紹了分布式數據(存儲/搜索/分析等等)系統在存儲層的兩種不同架構方式，希望能對大家有用。但是分布式系統架構設計所涉及的內容廣，細節多，權衡點眾，如果大家對某些領域或者方面有興趣，也可以留言，後面再探討。