Mastering Elasticsearch(中文版)

在配置集群时，数据存储模块是众多模块中不需要过多关注的一个模块，但是却是非常重要的一个模块。它允许用户控制索引数据的存储方式：持久化存储(在硬盘上)或者临时存储(在内存中)。ElasticSearch中绝大部分的存储方式都会映射到合适的Apache Lucene Directory类(http://lucene.apache.org/core/4_5_0/core/org/apache/lucene/store/Directory.html )。directory模块用来存取所有索引文件，因此合理配置就显得变尤为重要了。

存储类型

ElasticSearch给用户提供了4种存储类型，下面看看它们提供了什么特性以及用户该如何使用用这些特性。

简单的文件系统存储

directory类对外最简单的实现基于文件的随机读写(Java RandomAccessFile: http://docs.oracle.com/javase/7/docs/api/java/io/RandomAccessFile.html )映射到Apache Lucene的SimpleFSDirectory(http://lucene.apache.org/core/4\_5\_0/core/org/apache/lucene/store/SimpleFSDirectory.html )。对于简单的应用来说，这种实现方式足够了。它主要的瓶颈是在文件的多线程存取时性能很差。在ElasticSearch中，通常建议使用基于新IO的系统存储来替代简单的文件系统存储。只是如果用户希望使用简单的文件系统存储，可以设置index.store.type属性值为simplefs。

新IO文件系统存储

这种存储类型使用的directory类是基于java.nio包中的FileChannel类(http://docs.oracle.com/javase/7/docs/api/java/nio/channels/FileChannel.html )实现的，该类映射到Apache Lucene的NIOFSDirectory类(http://lucene.apache.org/core/4\_5\_0/core/org/apache/lucene/store/NIOFSDirectory.html ). 这种实现方式使得多个线程同时读写文件时不会出现性能下降的问题。通过设置index.store.type属性值为niofs使用该存储类型。

MMap文件系统存储

这种存储类型使用Apache Lucene MMapDirectory实现类(http://lucene.apache.org/core/4\_5\_0/core/org/apache/lucene/store/MMapDirectory.html )。它使用mmap系统调用((http://en.wikipedia.org/wiki/Mmap )来读取和随机方式完成写文件操作。在进程中，它将文件映射到相同尺寸的虚拟内存地址空间中。由于没有任何的锁操作，多线程存取索引文件时就程序就具有可伸缩性了(可伸缩性是指当增加计算资源时，程序的吞吐量或者处理能力相应的增加)。当我们使用mmap读取索引文件，在操作系统看来，该文件已经被缓存(文件会被映射到虚拟内存中)。基于这个原因，从Lucene索引中读取一个文件时，文件不必加载到操作系统的缓存中，读取速度就会快一些。这基本上就是允许Lucene，也就是ElasticSearch直接操作I/O缓存，索引文件的存取当然会快很多。值得一提的事，MMap文件系统存储最好应用在64-位操作系统环境中，如果要用在32-位的操作系统环境中，必须确保索引足够小，而且虚拟内存空间足够。用户可以通过设置index.store.type属性值为mmapfs来使用该存储类型。

内存存储

这种存储类型是几种类型中唯一不基于Apache Lucene directory实现的(当然也可以用Lucene的RAMDirectory类来实现)。内存存储类型允许用户直接把索引数据存储到内存中，所以硬盘上不会存储索引数据。记住这一点至关重要，因为这意味着数据并没有持久化：只要整个集群重启，数据就会丢失。然而，如果你的应用需要一个微型的、存取快速的，能有多个片分和分片副本的而且重建过程很快的索引，内存存储类型可能是你需要的。把index.store.type属性值设置为memeory即可使用该存储类型。

其它的属性

一旦使用内存存储类型，我们还对缓存有一定程度的控制，这些属性非常重要。请记住每个节点都需要设置如下的属性：

• cache.memory.direct:该属性的默认值为true。如果想要把内存的存储空间分配在JVM堆内存之外，就需要设定该值。一般来说，保留其默认值是个不错的选择，这样能避免堆内存出现过载情况。
• cache.memory.small\_buffer\_size: 该属性的默认值为1KB,内部存储结构用来存储索引段信息和删除文档的相关信息.
• cache.memory.large\_buffer\_size:该属性的默认值为1MB，内部存储结构用来存储除段信息和删除文档信息之外的其它信息。
• cache.memory.small\_cache\_size:内部内存结构用来缓存索引段信息和删除文档信息，默认值是10MB。
• cache.memory.large\_cache\_size:内部内存结构用来缓存除索引段信息和删除文档信息之外的其它信息，默认值是500MB。

默认存储类型

默认情况下，ElasticSearch会使用基于文件系统的存储。尽管不同的存储类型用于不同的操作系统，被选定的存储类型依然基于文件系统。比如，simplefs类用于32-位的windows操作系统；mmapfs用于Solaris操作系统和64-位的windows操作系统，niofs用于其它的操作系统。

通常情况下，我们都会选择默认的存储类型。然而当内存容量比较大，索引也比较大的时候，考虑使用MMap文件系统存储类型是个不错的选择。这是因为使用mmap存取索引文件时，会导致索引文件缓存到操作系统的缓存中，能同时被Apache Lucene和操作系统重复使用。