Elasticsearch索引数据的路由规则与自定义路由分发

Elasticsearch通过路由规则将数据高效地分布到各个分片中，实现数据均衡、查询优化及故障恢复。本文将深入探讨索引数据路由的原理，并通过示例展示如何使用自定义路由策略分发数据。

索引数据路由原理

默认路由规则

默认情况下，Elasticsearch使用以下公式计算文档应被写入的分片编号：

shard_num = hash(_routing) % num_primary_shards
1

其中：

• _routing：默认为文档的_id，也可以通过请求参数或映射设置指定。
• num_primary_shards：索引的主分片数。

通过哈希函数和模运算，确保数据在分片间均匀分布，有利于数据均衡、容错和扩展。

分区路由

虽然可以手动指定路由值以减少查询涉及的分片数，但这可能导致大量数据集中到少数分片，造成分片大小不均。为此，Elasticsearch提供索引分区配置，允许使用同一路由值的数据分发到多个分片。在索引设置中启用此功能：

"index.routing_partition_size": N
1

此时，路由计算公式变为：

shard_num = (hash(_routing) + hash(_id) % routing_partition_size) % num_primary_shards
1

通过引入_id哈希值和routing_partition_size参数，使得具有相同路由值的文档更均匀地分布到多个分片。

使用自定义路由分发数据

在某些场景下，可能需要根据特定字段（如用户ID、租户ID等）进行数据路由，以实现数据隔离、优化查询性能或简化备份恢复。下面展示如何使用自定义路由策略分发数据。

创建索引并设置自定义路由

首先，创建一个名为person的索引，设置3个主分片和1个副本分片，并要求在写入文档时必须提供路由值：

PUT person
{
  "settings": {
    "number_of_shards": "3",
    "number_of_replicas": "1"
  },
  "mappings": {
    "_routing": {
      "required": true
    }
  }
}
1
2
3
4
5
6
7
8
9
10
11
12

新增数据

向索引中写入一条带有自定义路由值（如“zhangsan”）的文档，并立即刷新索引以确保数据可查：

POST person/_doc/1?routing=zhangsan&refresh=true
{
  "id": "1",
  "name": "zhangsan",
  "subject": "语文",
  "score": 100
}
1
2
3
4
5
6
7

查询数据

由于数据写入时使用了自定义路由值，查询时也必须提供相同的路由值，否则会导致查询失败：

GET person/_doc/1?routing=zhangsan
1

更新数据

更新文档时同样需要指定路由值，以确保操作作用于正确的分片：

POST person/_update/1?routing=zhangsan&refresh=true
{
  "doc": {
    "score": 120
  }
}
1
2
3
4
5
6

路由优化查询

在检索数据时，提供路由值可以跳过无关分片，减少资源消耗并加速查询：

GET person/_search?routing=zhangsan
{
  "query": {
    "match_all": {}
  }
}
1
2
3
4
5
6

查看路由对应分片

若需确定某个路由值对应的分片信息，可以使用_search_shards REST端点：

GET person/_search_shards?routing=zhangsan
1

删除数据

删除文档时同样需要指定路由值：

DELETE person/_doc/1?routing=zhangsan
1

总结而言，Elasticsearch通过路由规则有效地管理和分发索引数据，支持自定义路由策略以满足特定应用场景的需求。理解和熟练运用数据路由机制，有助于优化Elasticsearch集群的性能和稳定性。