Elasticsearch GET 流程

红太狼 2022-02-21 09:49 134阅读 0赞

ES的读取分为GET和Search两种操作，这两种读取操作有较大的差异，GET/MGET必须指定三元组：\_index、\_type、\_id。也就是说，根据文档id从正排索引中获取内容。而Search不指定\_id，根据关键词从倒排索引中获取内容。本章分析GET/MGET过程，下一章分析Search过程。

一个GET请求的简单例子（来自官网）如下：

curl -XGET http://127.0.0.1:9200/website/blog/1?pretty
    {
        "_index":"website",
        "_type":"blog",
        "_id":"1",
        "_version":21,
        "found":true,
        "_source":{
            "first_name":"John",
            "last_name":"Smith",
            "age":25,
            "about":"I love to go rock climbing",
            "interests":[
                "sports",
                "music"
            ]
        }
    }

# 1、可选参数 #

与写请求相同，GET请求时可以在URI中设置一些可选参数，如下表所示：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9qaWFua3Vua2luZy5ibG9nLmNzZG4ubmV0_size_16_color_FFFFFF_t_70]

# 2、GET基本流程 #

搜索和读取文档都属于读操作，可以从主分片或副分片中读取数据。  
读取单个文档的流程（图片来自官网）如下图所示：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9qaWFua3Vua2luZy5ibG9nLmNzZG4ubmV0_size_16_color_FFFFFF_t_70 1]

这个例子中的索引有一个主分片和两个副分片。以下是从主分片或副分片中读取时的步骤：

1.  客户端向NODE1发送读请求。
2.  NODE1使用文档ID来确定文档属于分片0，通过集群状态中的内容路由表信息获知分片0有三个副本数据，位于所有的三个节点中，此时它可以将请求发送到任意节点，这里它将请求转发到NODE2。
3.  NODE2将文档返回给 NODE1,NODE1将文档返回给客户端。NODE1作为协调节点，会将客户端请求轮询发送到集群的所有副本来实现负载均衡。

**在读取时，文档可能已经存在于主分片上，但还没有复制到副分片。在这种情况下，读请求命中副分片时可能会报告文档不存在，但是命中主分片可能成功返回文档。一旦写请求成功返回给客户端，则意味着文档在主分片和副分片都是可用的。**

# 3、GET详细分析 #

GET/MGET流程涉及两个节点：协调节点和数据节点，流程如下图所示：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9qaWFua3Vua2luZy5ibG9nLmNzZG4ubmV0_size_16_color_FFFFFF_t_70 2]

## 3.1 协调节点 ##

执行本流程的线程池：http\_server\_worker。  
TransportSingleShardAction 类用来处理存在于一个单个（主或副）分片上的读请求。将请求转发到目标节点，如果请求执行失败，则尝试转发到其他节点读取。

## 3.2 数据节点（略） ##

# 4、MGET流程分析 #

MGET 的主要处理类：TransportMultiGetAction，通过封装单个GET 请求实现，处理流程如下图所示：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9qaWFua3Vua2luZy5ibG9nLmNzZG4ubmV0_size_16_color_FFFFFF_t_70 3]

主要流程如下：

1.  遍历请求，计算出每个doc的路由信息，得到由shardid为key组成的request map。这个过程没有在TransportSingleShardAction中实现，是因为如果在那里实现，shardid就会重复，这也是合并为基于分片的请求的过程。
2.  循环处理组织好的每个 shard 级请求，调用处理 GET 请求时使用 TransportSingleShardAction\#AsyncSingleAction处理单个doc的流程。
3.  收集Response，全部Response返回后执行finishHim()，给客户端返回结果。

回复的消息中文档顺序与请求的顺序一致。如果部分文档读取失败，则不影响其他结果，检索失败的doc会在回复信息中标出。

# 5、思考 #

我们需要警惕实时读取特性，GET API默认是实时的，实时的意思是写完了可以立刻读取，但仅限于GET、MGET操作，不包括搜索。在5.x版本之前，GET/MGET的实时读取依赖于从translog中读取实现，5.x版本之后的版本改为refresh，因此系统对实时读取的支持会对写入速度有负面影响。

由此引出另一个较深层次的问题是，update操作需要先GET再写，为了保证一致性，update调用GET时将realtime选项设置为true，并且不可配置。因此update操作可能会导致refresh生成新的Lucene分段。

读失败是怎么处理的？ 尝试从别的分片副本读取。  
优先级 优先级策略只是将匹配到优先级的节点放到了目标节点列表的前面。

本文整理自：[《Elasticsearch源码解析与优化实战》][Elasticsearch]

个人微信公众号：  
![这里写图片描述][SouthEast]

> 作者：jiankunking 出处：[http://blog.csdn.net/jiankunking][http_blog.csdn.net_jiankunking]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9qaWFua3Vua2luZy5ibG9nLmNzZG4ubmV0_size_16_color_FFFFFF_t_70]: /images/20220221/09519b13cf2a4f11ac820037fba38c95.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9qaWFua3Vua2luZy5ibG9nLmNzZG4ubmV0_size_16_color_FFFFFF_t_70 1]: /images/20220221/105cf78b104b4a3787c2b8305f4e5d3f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9qaWFua3Vua2luZy5ibG9nLmNzZG4ubmV0_size_16_color_FFFFFF_t_70 2]: /images/20220221/add5c80511a74781816a3fa898fa4398.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9qaWFua3Vua2luZy5ibG9nLmNzZG4ubmV0_size_16_color_FFFFFF_t_70 3]: /images/20220221/34c694ea272d4422a462c22470154e7a.png
[Elasticsearch]: https://github.com/jiankunking/books-recommendation/tree/master/ELK
[SouthEast]: /images/20220221/466ec70c80ec4276a6d82d330f6cd8a8.png
[http_blog.csdn.net_jiankunking]: http://blog.csdn.net/jiankunking