搜索引擎 为 Rails 项目升级使用 ElasticSearch 5.x 版本

pathbox · 2017年11月01日 · 最后由 johnsafe 回复于 2018年02月23日 · 11304 次阅读
本帖已被管理员设置为精华贴

最近为项目系统中使用的 Elasticsearch 进行了升级。从原来 1.4 版本的 Elasticsearch 升级到 5.x 版本。

由于 5.x 版本的 Elasticsearch 不再支持 1.4 版本中的很多查询语法,所以不可避免的进行了查询层的重构。 每次 Elasticsearch 有重大版本升级的时候,会在官方文档中列出相应的改变,你需要认真阅读的Breaking changes内容。

最重要的事情是,终于可以利用这次机会,为 Elasticsearch 加入了索引别名机制

安装

Elasticsearch-5.x server 版本的安装可以参考之前的博文。我是安装在 Ubuntu16.04 上,Ubuntu14.04 也是可以的。

Gemfile中增加

gem "elasticsearch"
gem "elasticsearch-model"
gem "elasticsearch-rails"

使用最新的 elasticsearch gem 包,至少大于 5.0 版本

加入索引别名机制

为什么说别名机制是最重要的事情呢?我们知道 Elasticsearch 的索引,当你配置并建立好之后,是无法进行更新修改的。 想要进行更新修改,需要删除原来的整个索引,然后再根据新的配置,重建索引,包括索引的文档数据。这就不可避免了该索引在重建过程中 有一段时间是不可用的。

举个简单的例子:Elasticsearch 有一个 orders 索引,大概有 1000w 条记录数据。你的客户会经常使用查询 orders 的功能,这个功能查的就是 orders 索引。 现在你要修改 orders 索引的分词器。这时你需要重建 orders 索引 (删除再新建),假设这个过程,让 orders 索引完全恢复到可用状态需要 10 分钟。那么,你的客户就会 有 10 分钟没法使用 orders 的搜索功能。当然,你可以在凌晨 3 点进行这个操作。这里只是举个例子。Elasticsearch 索引别名机制可以帮助你进行索引无缝的升级或更新。

别名机制的过程及原理

关键的操作是:取别名。现在我要重构 orders 这个索引,我会先创建一个叫做 orders_v1 的索引,为其配置名称为 orders 的别名。 这样,在查询代码层,你就可以使用类似Order.__elasticsearch__.search()这样的查询了。其实,也就是 在代码层面上,不知道有 orders_v1 这个索引额存在, 一切对 Elasticsearch 的操作,都通过别名 orders 操作。

现在,我们需要修改 orders_v1 索引,只要简单的三步:

  • 1. 用新的索引配置新建一个叫 orders_v2 的索引,将文档数据也建立好
  • 2. 进行切换别名的操作,将 orders 别名由原来 order_v1 指向 orders_v2
  • 3. 看你的需要,再进行增量变更数据的更新

切换别名的操作非常快,并且你的代码层的修改会变得很轻松。几乎不会对用户的使用造成影响。

简单的图表示:

在项目中,实现别名机制不难。详见官方文档的例子

新建索引别名

POST /_aliases
{
    "actions" : [
        { "add" : { "index" : "order_v1", "alias" : "orders" } }
    ]
}

切换索引别名

POST /_aliases
{
    "actions" : [
        { "remove" : { "index" : "order_v1", "alias" : "orders" } },
        { "add" : { "index" : "order_v2", "alias" : "orders" } }
    ]
}

在 rails 项目中,我通过 rake 脚本实现,下面是我写的一个 rake 脚本,在新建或重建索引的时候使用,仅供参考。

#coding: utf-8
client = Elasticsearch::Client.new(
  host: elasticsearch_url,
  retry_on_failure: 0,
  log: true,
  transport_options: { request: { timeout: 10 } }
  )

# ++++++++++++++++++++++++++++++++++使用方式++++++++++++++++++++++++++++++++++++++

#1 创建索引    # bundle exec rake es_action:create_index table=Order index_name=orders_v1
#2 索引别名配置 # bundle exec rake es_action:update_index_alias alias=orders new_index=orders_v1 old_index=orders_v2(可选,交换索引的时候使用)
namespace :es_action do

  desc "重建es索引,根据传入的参数指定重置的索引"
  task create_index: :environment do
    table = ENV['table']
    index_name = ENV['index_name']
    puts "++++++ start remapping index #{table}"
    if table.blank? || index_name.blank?
      puts "table 和 index_name 参数不能为空"
      return
    end

    model = table.camelize.constantize

    model.__elasticsearch__.create_index! index: index_name, force: true  # ++++++创建索引
    model.__elasticsearch__.refresh_index! index: index_name
  end

  desc "新建或交换es的别名(将别名由旧的索引指向新的索引)"
  task update_index_alias: :environment do
    old_index = ENV['old_index']
    new_index = ENV['new_index']
    alias_name = ENV['alias']

    puts "++++++ start update_index_alias #{alias_name}"
    if alias_name.blank? || new_index.blank?
      puts "++++++ alias new_index 参数不能为空"
      return
    end

    body = {actions: []}
    body[:actions] << {remove: {index: old_index, alias: alias_name}} if old_index.present? # old_index存在,表示是进行别名切换
    body[:actions] << {add: {index: new_index, alias: alias_name}}

    client.indices.update_aliases body: body

    puts "++++++ update_index_alias success"
  end

end

mapping 的配置

app/models/order.rb

1.4 版本中的 mapping 配置

indexes :subject, type: 'multi_field' do
  indexes :raw, type: :string, index: :not_analyzed
  indexes :tokenized, analyzer: :ik_smart
end
indexes uuid, type: :string
indexes amount, type: :integer
indexes price, type: :long
indexes :created_at, type: :date
indexes :updated_at, type: :date
indexes :users do
  indexes :id, type: :integer
  indexes :name, type: :string, index: :not_analyzed
end

5.x 版本中的 mapping 配置

indexes :subject, type: :keyword do
  indexes :raw, type: :keyword
  indexes :tokenized, analyzer: :ik_smart
end
indexes uuid, type: :text
indexes amount, type: :integer
indexes price, type: :long
indexes :created_at, type: :date
indexes :updated_at, type: :date
indexes :users do
  indexes :id, type: :integer
  indexes :name, type: :keyword
end
  • 5.x 版本没有了 string 类型,拆分成了 keyword 和 text。如果你指定了 analyzer,则是 text 类型;如果指定了 text 类型但是没有指定 analyzer,则会使用默认的 analyzer

  • 不再有 type: 'multi_field',这个好像是 2.x 版本就废弃了

  • 5.x 的 IK 也分成了两种配置。 ik_smartik_max_wordik_max_word拥有更细的分词粒度。

查询语句的重构

官方文档的 query changes

修改例子:

不再使用 filtered
{filtered: {
  filter: {
    bool: {
      must: [{or: [{terms: {user_id: user_id}}]},
      {term: {order_id: order_id}}
     ],
    }
   }
 }
}

# 重构为:
{bool: {
  filter: {
    {bool: {
       must:[
         {term: {order_id: order_id}},
       ],
       should: [
         {terms: {user_id: user_id}}
       ]
     }
    }
  }
 }
}


不再使用 or
filters[:must] << {
  or: [
    {term: {order_id: order_id}},
    {term: {user_id: user_id}}
  ]
}

#重构为:
filters[:must] << {
  bool: {
    should: [
      {term: {order_id: order_id}},
      {term: {user_id: user_id}}
    ]
  }
}
不再使用 missing
{missing: {field: field_name}}

#重构为:
{"bool": {
   "must_not": [
      {
        "exists":{
           "field": field_name
        }
      }
   ]
  }
}
execution: 'and'不再使用
{terms: {field_name => value, execution: "and"}}

#重构为:
terms_array = value.map {|v| {term: {field_name => v}}}
{bool: {must: terms_array}}

Elasticsearch 的功能还是很强大的,这次 Elasticsearch 升级没有使用自定义的 Routing 的机制,一个是任务时间考虑,另一个是现在的服务负载还能撑一段时间,并不急迫需求这样的优化。现在有了索引别名,以后就可以放心的考虑优化进程了~

huacnlee 将本帖设为了精华贴。 11月02日 11:19

最近也在使用 ELK 做数据挖掘和日志管理,说真的太好用了 5000 万行的日志数据查询 1-2 秒,几乎不要优化。感觉这是要取代 mogo 和 hbase 这种 nosql 的节奏!!!

ForrestDouble 回复

公司自用日志管理 一般没什么必要主动想优化了,如果给客户用那就要想优化了,没有快只有更快。取代 MongoDB 和 HBASE 我觉得到不一定,各有优点。个人觉得 es 擅长做搜索层服务,而不是存储层服务。以后怎样就未知

我们公司使用的 2.4

你是从 1.x 升级到 5.x 啊,你上面说的那些 changes 大部分是 1.x 到 2.x 的 change。

另,推荐 searchkick,zero downtime reindex,版本兼容,搜索常用场景都已经提供了最佳实践。

hooopo 回复

嗯,是的。query changes 在 2.x 版本就已经有很多改变了,我重构的时候是直接看 5.0 大版本的 Breaking changes。看过 searchkick,项目中没使用,因为之前项目中已经封装了很多逻辑代码。以后的新项目,使用 searchkick 还是挺好的

我司 1.x,2.x,5.x 都有,尴尬

zouchaoge 回复

厉害了

谢谢楼主分享 有个小问题:

不再使用 filtered

改了后不是 filter context 了,外面应该还要套个 bool > filter

Alexander 回复

明白了。谢谢。是改成这样


{bool: {
  filter: {
    {bool: {
       must:[
         {term: {order_id: order_id}},
       ],
       should: [
         {terms: {user_id: user_id}}
       ]
     }
    }
  }
 }
}

{filtered: {filter: {}} } => {bool: {filter:{}}} {filtered: {query:{}}} => {bool: {must: []}}

用 filter 可以 cache。但是我在本地,500w 数据,下面两种查询的速度是一样的。第一次比较慢,第二次之后就快了一倍

{
    "query": {
        "bool": {
            "must": [
               {"term": {"company_id":1}}
            ]
        }
    }

}
{
    "query":{
        "bool":{
            "filter":{
                "bool": {
                    "must": [
                       {"term": {
                          "company_id": 1
                       }}
                    ]
                }
            }
        }
    }
}

好像没有区别

pathbox 回复

如果条件比较复杂的话,用 filter 应该会有更大的性能提升。有个场景,terms 查询,如果查询的列表长度超过 1024, 用 query 的话就会报错了,但 filter 就没影响。

Alexander 回复

嗯。

如果查询的列表长度超过 1024
具体指的是什么呢?可否具体描述一下

前段时间写了 es 的 nodejs 使用,正想着是不是整理一下 ruby 的,就看到了已经有人做过了!mark!

需要 登录 后方可回复, 如果你还没有账号请 注册新账号