Elastic Meetup2021深圳站回顾

导语 | 一波未平一波又起的疫情对大家的生活、工作造成了一定影响。在信息化飞速发展的今天，小伙伴们技术交流的方式也变得多样化。2021年8月21日下午，ES中文社区联合腾讯云在腾讯滨海大厦举办了深圳地区年度首次Meetup，活动采用线下现场参与、腾讯会议、腾讯云开发者社区线上同步直播的方式进行。来自腾讯、Tapdata、字节跳动、vivo的技术专家们给ES社区的小伙伴们带来了一场精彩的技术视听盛宴。

活动精彩回顾

一、社区发展

活动开始ES深圳分会主席杨振涛先生回顾了深圳Meetup历史并对本次活动表达了祝福，分会副主席黄华先生介绍了ES社区最新的发展动态。

截止目前Elasticsearch总下载量达到8.3亿，Elastic Stack技术栈产品的下载量超过25亿。作为开源产品，发展趋势非常火爆，这背后得益于ES在大数据生态下服务场景的不断扩展。ES社区的发展也是非常的迅猛，全球近百个城市举办过Meetup活动，共5万多参会者，全球社区用户量超过10万。中文社区有9个城市定期举办Meetup，相信后续会越来越多。ES技术栈这么火爆主要是因为搜索领域它是王者，海量日志实时分析领域它正在成为很多公司的平台化、数据中台的标配。

云是未来，拥抱云原生。腾讯云和Elastic公司达成商务战略合作已有两年多时间，云上的托管ES服务已成为大数据产品线的火热品牌。与此同时，腾讯并没有白嫖开源产品，除了引入官方X-Pack商业特性，技术层面进一步拥抱开源、贡献开源。腾讯ES的内核团队向社区贡献了大量的Patch，腾讯已成为ES社区全球贡献最多的第三方公司。

二、主题分享

（一）腾讯Elasticsearch压缩编码优化实践

首先分享的是来自腾讯ES内核团队的专家工程师毕杰山老师，他的分享主题是腾讯Elasticsearch压缩编码优化实践。

ES底层的存储引擎是Apache Lucene，它支持多种数据结构，包括行存、列存、倒排索引、数值类型索引（BKD-Tree）等等。正因为其支持多种数据结构，使得ES能支持的业务场景非常丰富。也正是因为多种数据结构的支持，导致ES的存储成本开销比较高。另外Lucene的发展已有二十多年历史，在各种数据结构的压缩优化、编码优化方面并没有演进的特别快。

压缩算法的技术门槛较高，一般涉及众多的复杂算法，重复研发一种新的压缩算法代价非常大，业界也有较多成熟的算法例如Zstd、Brotli、Deflate等。从ES众多的数据结构中寻找文件存储可优化点本身比较挑战，我们需要兼顾压缩比和性能的开销。除了引入通用的压缩算法，还要针对部分结构做深度的编码优化。

在本次分享中，杰山老师深入浅出地剖析了压缩算法的基本原理，解析了腾讯ES在压缩编码方面系统性的优化。点击图片下方链接，查看详细分享内容。

腾讯Elasticsearch压缩编码优化实践（https://elasticsearch.cn/slides/285）

该主题问答环节：

问题1：这些新特性基于哪个版本做的？

答复：基于es7.10版本，对应着lucene的版本为8.7。

问题2：能不能不对行数据进行压缩？我们发现在es node侧压缩的话会特别消耗CPU，所以在外部提前做了压缩。

答复：行数据压缩是默认开启的，目前并没有提供关闭的选项。因为大部分场景下都对存储成本非常敏感。

外部提前对数据做了压缩然后再写进来的话，得考虑如何分词，这里需要很强的定制，也有使用场景上的限制。对我们来说，这种方案并不具有通用性。

问题3：行存有没有可能提供用户自定义排序呢？

答复：ES的排序是索引维度的设定，不针对具体的数据结构，但对排序的字段类型有一些限制，只能是boolean, numeric, date和keyword类型且开启了doc_value，当设定以后，整个文档的所有数据结构会按照设定的字段排序后的doc id顺序进行写入，包括写入和merge流程。对于行存，Lucene底层会将flush前的行存先写入一个临时目录，flush时再从临时目录读取根据doc id排序再按顺序写入，因此行存带排序写入开销会比较高。

问题4：存储计算分离大概什么思路可以简单说下么？

答复：存算分离的主要实现思想是基于共享存储实现多个节点的数据共享，ES层面只保存一个物理副本。文件系统底层确保数据本身的可靠性，同时ES提供逻辑上的主从副本，实现数据一写多读的能力。从而达到优化存储、计算成本的目的。

（二）ES MongoDB的实时数据融合平台架构

接下是来自Tapdata的资深架构师杨庆麟老师分享基于ES MongoDB的实时数据融合平台架构。跨地域业务需求在数据一致性、实时性层面始终是痛点。例如珠宝行业的头部客户在中、港、台、澳等多地有业务系统。由于历史原因，系统还是多年前的架构，存储系统以Oracle为主，数据冗余、订单状态无法统一、运维成本高。Tapdata提供了一套面向业务的DaaS解决方案，基于ES和Mongo的跨地域实时数据融合平台。上线之后统一了各个地域门店后台，大幅降低了数据维护成本。详细的分享内容请点击图片下方的链接。

基于ES MongoDB的实时数据融合平台架构分享（https://elasticsearch.cn/slides/284）

该主题问答环节：

问题1：数据同步时，针对多个数据源多个表的数据聚合，请问是通过脚本来处理的，还是通过编码处理？

答复：通过js来做的，⾃研的实时计算引擎。

问题2：数据库实时同步的原理是什么？

答复：针对oracle，采⽤的是logminer；mysql采⽤的是binlog⽅式；Mongo是changestream。

问题3：通过Mongo es完成业务数据的交付，那么ES会处理计算吗？

答复：ES不负责计算，Mongo也不负责⼤部分计算。⼤部分计算都是通过平台完成的，Mongo负责⾼并发的更新，es负责⾼并发、搜索场景的查询。

茶歇时间

在两场主题分享完毕后的技术交流环节，活动主办方在美丽的腾讯滨海大厦提供了精美的茶歇。

（三）字节跳动在ES的内核扩展

接下来是来自字节跳动的鲁蕴铖老师分享字节跳动在ES的内核扩展。字节跳动实现了基于内部自研NFS的存算分离功能，实现了一写多读的架构，底层云存储多副本保证可靠性。Primary分片承担所有的写操作，通过传送Segment Infos到各个副本，实现副本同步，基本可以实现秒级副本扩容。

官方的跨集群复制需要License支持，字节跳动实现了自研的跨集群复制能力，并采用了Leader向Follower Push的模式进行同步，提升数据同步的实效性。除此之外，他们还对向量化检索进行了插件化的扩充，支持更多的算法。链路安全方面，实现了底层存储加密、支持基于GDPR认证授权方式等。在可观测性方面，ES擅长于做链路追踪，他们对ES本身的读写流程进行了函数调用链的追踪，便于性能分析。详细的分享内容请点击图片下方的链接。接下来是来自字节跳动的鲁蕴铖老师分享字节跳动在ES的内核扩展。字节跳动实现了基于内部自研NFS的存算分离功能，实现了一写多读的架构，底层云存储多副本保证可靠性。Primary分片承担所有的写操作，通过传送Segment Infos到各个副本，实现副本同步，基本可以实现秒级副本扩容。

字节跳动在ES的内核扩展（https://elasticsearch.cn/slides/286）

该主题问答环节：

问题1：向量化怎么实现的，性能如何？

答复：通过扩展ES的Engine plugin，然后对于不同的向量组件实现自己 codec，性能在kw级数据下基本在百ms以内。

问题2：审计的实现，性能如何？

答复：会通过Action Filter将用户的请求主动上报到审计日志或平台，对于百万请求量，写入降采样，查询全量的情况下，性能损耗低于2%。

（四）vivo Elasticsearch集群应用实践

接下来是来自vivo的资深DBA刘石林老师分享vivo Elasticsearch集群应用实践。在大数据横行的今天，如何规模化运营Elasticsearch集群、提升数据管理者的幸福感，成为各个企业需要重点关注的问题。在实际业务运营中经常会遇到各种挑战，例如高并发读写资源开销过高、Elasticsearch本身存在的Bug以及各种业务使用不当导致的问题等。如果企业内没有很好的平台支撑，靠人肉管理，会给数据管理者带来很大的挑战。本次分享中，主要介绍了vivo使用Elasticsearch的经典场景，以及如何基于自主研发的ES管理平台规模化地运营ES集群。详细的分享内容请点击图片下方的链接。