背景

随着公司业务的高速发展以及数据爆炸式的增长，当前公司各产线都有关于搜索方面的需求，但是以前的搜索服务系统由于架构与业务上的设计，不能很好的满足各个业务线的期望，主要体现下面三个问题：

1. 不能支持对语句级别的搜索，大量业务相关的属性根本无法实现
2. 没有任何搜索相关的指标评价体系
3. 扩展性与维护性特别差

基于现状，对行业内的搜索服务做出充分调研，确认使用ElasticSearch做底层索引存储，同时重新设计现有搜索服务，使其满足业务方对维护性、定制化搜索排序方面的需求。

整体技术架构

沪江搜索服务底层基于分布式搜索引擎ElasticSearch，ElasticSearch是一个基于Lucene构建的开源，分布式，Restful搜索引擎；能够达到近实时搜索，稳定，可靠，快速响应的要求。

搜索服务整体分为5个子系统

• 搜索服务(Search Server) : 提供搜索与查询的功能
• 更新服务(Index Server) : 提供增量更新与全量更新的功能
• Admin 控制台 : 提供UI界面，方便索引相关的维护操作
• ElasticSearch存储系统 : 底层索引数据存储服务
• 监控平台: 提供基于ELK日志与zabbix的监控

外部系统接口设计

• 查询
  • 查询接口提供http的调用方式，当出现跨机房访问的时候，请使用http接口，其余都可以使用dubbo RPC调用
• 增量更新
  • 数据增量更新接口采用提供MQ的方式接入。当业务方出现数据更新的时候，只需将数据推送到对应的MQ通道中即可。更新服务会监听每个业务方通道，及时将数据更新到ElasticSearch中
• 全量索引
  • 更新服务会调用业务方提供的全量Http接口(该接口需提供分页查询等功能)

全量更新

众所周知，全量更新的功能在搜索服务中是必不可少的一环。它主要能解决以下三个问题

• 业务方本身系统的故障，出现大量数据的丢失
• 业务高速发展产生增减字段或者修改分词算法等相关的需求
• 业务冷启动会有一次性导入大批量数据的需求

基于上面提到的问题，我们与业务方合作实现了全量索引。但是在这个过程中，我们也发现一个通用的问题。在进行全量更新的时候，其实增量更新也在同时进行，如果这两种更新同时在进行的话，就会有遇到少量增量更新的数据丢失。比如说下面这个场景

1. 业务方发现自己搜索业务alias_A数据大量数据丢失，所以进行索引重建。其中alias_A是别名，就是我们通常说alias,但是底层真正的索引是index_201701011200(建议:索引里面包含时间属性，这样就能知道是什么创建的)
2. 首先创建一个新的索引index_201706011200，然后从数据中拉出数据并插入ES中，并记录时间戳T1，最后索引完成的时间戳为T2，并切换搜索别名index_1指向index_201706011200。
3. 索引创建成功之后的最新数据为T1这个时刻的，但是T1到T2这段时间的数据，并没有获取出来。同时index_201701011200老索引还在继续消费MQ中的数据，包括T1到T2时间内的缺少数据。
4. 所以每次索引重建的时候，都会缺少T1到T2时间内的数据。

最后，针对上面这个场景，我们提出通过zookeeper分布式锁来暂停index consumer的消费,具体步骤如下

1. 创建new_index
2. 获取该index 对应的别名，来修改分布式锁的状态为stop
3. index consumer监控stop状态，暂停索引数据的更新
4. new_index索引数据创建完毕，更新分布式锁状态为start
5. index consumer监控start状态，继续索引数据的更新

这样的话，我们就不用担心在创建索引的这段时间内，数据会有缺少的问题。相信大家对于这种方式解决全量与增量更新数据有所体会。

集群无缝扩容

数据量爆炸式的增加，导致我们ES集群最终还是遇到了容量不足的问题。在此背景下，同时结合ES本身提供的无缝扩容功能，我们最终决定对线上ES集群进行了在线的无缝扩容，将从原来的3台机器扩容为5台，具体步骤如下

• 扩容前准备
  • 目前我们线上已经有3台机器正在运行着，其中node1为master节点，node2和node3为data节点，节点通信采用单播的形式而非广播的方式。
  • 准备2台(node4与node5)机器，其中机器本身配置与ES配置参数需保持一致
• 扩容中增加节点
  • 启动node4与node5(注意一个一个启动),启动完成之后，查看node1,2,3,4,5节点状态，正常情况下node1,2,3节点都已发现node4与node5，并且各节点之间状态应该是一致的
• 重启master node
  • 修改node1,2,3节点配置与node4,5保持一致，然后顺序重启node2与node3，一定要优先重启data node，最后我们在重启node1(master node).到此为止，我们的线上ES集群就在线无缝的扩容完毕

部署优化

• 查询与更新服务分离
  • 查询服务与更新服务在部署上进行物理隔离，这样可以隔离更新服务的不稳定对查询服务的影响
• 预留一半内存
  • ES底层存储引擎是基于Lucene,Lucenede的倒排索引是先在内存中生成，然后定期以段的形式异步刷新到磁盘上，同时操作系统也会把这些段文件缓存起来，以便更快的访问。所以Lucene的性能取决于和OS的交互，如果你把所有的内存都分配给Elasticsearch，不留一点给Lucene，那你的全文检索性能会很差的。所有官方建议，预留一半以上内存给Lucene使用
• 内存不要超过32G
  • 跨32G的时候，会出现一些现象使得内存使用率还不如低于32G，具体原因请参考官方提供的这篇文章 Don’t Cross 32 GB!
• 尽量避免使用wildcard
  • 其实使用wildcard查询，有点类似于在数据库中使用左右通配符查询。(如：*foo*z这样的形式)
• 设置合理的刷新时间
  • ES中默认index.refresh_interval参数为1s。对于大多数搜索场景来说，数据生效时间不需要这么及时，所以大家可以根据自己业务的容忍程度来调整

总结

本章主要介绍公司搜索服务的整体架构，重点对全量更新中数据一致性的问题，ES在线扩容做了一定的阐述，同时列举了一些公司在部署ES上做的一些优化。本文主要目的，希望大家通过阅读沪江搜索实践，能够给广大读者带来一些关于搭建一套通用搜索的建议。