京東到家訂單中心系統(tǒng)業(yè)務(wù)中，無(wú)論是外部商家的訂單生產(chǎn)，或是內(nèi)部上下游系統(tǒng)的依賴，訂單查詢的調(diào)用量都非常大，造成了訂單數(shù)據(jù)讀多寫(xiě)少的情況。

我們把訂單數(shù)據(jù)存儲(chǔ)在MySQL中，但顯然只通過(guò)DB來(lái)支撐大量的查詢是不可取的。同時(shí)對(duì)于一些復(fù)雜的查詢，MySQL支持得不夠友好，所以訂單中心系統(tǒng)使用了Elasticsearch來(lái)承載訂單查詢的主要壓力。

Elasticsearch作為一款功能強(qiáng)大的分布式搜索引擎，支持近實(shí)時(shí)的存儲(chǔ)、搜索數(shù)據(jù)，在京東到家訂單系統(tǒng)中發(fā)揮著巨大作用，目前訂單中心ES集群存儲(chǔ)數(shù)據(jù)量達(dá)到10億個(gè)文檔，日均查詢量達(dá)到5億。

隨著京東到家近幾年業(yè)務(wù)的快速發(fā)展，訂單中心ES架設(shè)方案也不斷演進(jìn)，發(fā)展至今ES集群架設(shè)是一套實(shí)時(shí)互備方案，很好地保障了ES集群讀寫(xiě)的穩(wěn)定性，下面就給大家介紹一下這個(gè)歷程以及過(guò)程中遇到的一些坑。

ES 集群架構(gòu)演進(jìn)之路

1、初始階段

訂單中心ES初始階段如一張白紙，架設(shè)方案基本沒(méi)有，很多配置都是保持集群默認(rèn)配置。整個(gè)集群部署在集團(tuán)的彈性云上，ES集群的節(jié)點(diǎn)以及機(jī)器部署都比較混亂。同時(shí)按照集群維度來(lái)看，一個(gè)ES集群會(huì)有單點(diǎn)問(wèn)題，顯然對(duì)于訂單中心業(yè)務(wù)來(lái)說(shuō)也是不被允許的。

2、集群隔離階段

和很多業(yè)務(wù)一樣，ES集群采用的混布的方式。但由于訂單中心ES存儲(chǔ)的是線上訂單數(shù)據(jù)，偶爾會(huì)發(fā)生混布集群搶占系統(tǒng)大量資源，導(dǎo)致整個(gè)訂單中心ES服務(wù)異常。

顯然任何影響到訂單查詢穩(wěn)定性的情況都是無(wú)法容忍的，所以針對(duì)于這個(gè)情況，先是對(duì)訂單中心ES所在的彈性云，遷出那些系統(tǒng)資源搶占很高的集群節(jié)點(diǎn)，ES集群狀況稍有好轉(zhuǎn)。但隨著集群數(shù)據(jù)不斷增加，彈性云配置已經(jīng)不太能滿足ES集群，且為了完全的物理隔離，最終干脆將訂單中心ES集群部署到高配置的物理機(jī)上，ES集群性能又得到提升。

3、節(jié)點(diǎn)副本調(diào)優(yōu)階段

ES的性能跟硬件資源有很大關(guān)系，當(dāng)ES集群?jiǎn)为?dú)部署到物理機(jī)器上時(shí)，集群內(nèi)部的節(jié)點(diǎn)并不是獨(dú)占整臺(tái)物理機(jī)資源，在集群運(yùn)行的時(shí)候同一物理機(jī)上的節(jié)點(diǎn)仍會(huì)出現(xiàn)資源搶占的問(wèn)題。所以在這種情況下，為了讓ES單個(gè)節(jié)點(diǎn)能夠使用最大程度的機(jī)器資源，采用每個(gè)ES節(jié)點(diǎn)部署在單獨(dú)一臺(tái)物理機(jī)上方式。

但緊接著，問(wèn)題又來(lái)了，如果單個(gè)節(jié)點(diǎn)出現(xiàn)瓶頸了呢？我們應(yīng)該怎么再優(yōu)化呢？

ES查詢的原理，當(dāng)請(qǐng)求打到某號(hào)分片的時(shí)候，如果沒(méi)有指定分片類型（Preference參數(shù)）查詢，請(qǐng)求會(huì)負(fù)載到對(duì)應(yīng)分片號(hào)的各個(gè)節(jié)點(diǎn)上。而集群默認(rèn)副本配置是一主一副，針對(duì)此情況，我們想到了擴(kuò)容副本的方式，由默認(rèn)的一主一副變?yōu)橐恢鞫?，同時(shí)增加相應(yīng)物理機(jī)。

訂單中心ES集群架設(shè)示意圖

如圖，整個(gè)架設(shè)方式通過(guò)VIP來(lái)負(fù)載均衡外部請(qǐng)求：

整個(gè)集群有一套主分片，二套副分片（一主二副），從網(wǎng)關(guān)節(jié)點(diǎn)轉(zhuǎn)發(fā)過(guò)來(lái)的請(qǐng)求，會(huì)在打到數(shù)據(jù)節(jié)點(diǎn)之前通過(guò)輪詢的方式進(jìn)行均衡。集群增加一套副本并擴(kuò)容機(jī)器的方式，增加了集群吞吐量，從而提升了整個(gè)集群查詢性能。

下圖為訂單中心ES集群各階段性能示意圖，直觀地展示了各階段優(yōu)化后ES集群性能的顯著提升：

當(dāng)然分片數(shù)量和分片副本數(shù)量并不是越多越好，在此階段，我們對(duì)選擇適當(dāng)?shù)姆制瑪?shù)量做了進(jìn)一步探索。分片數(shù)可以理解為MySQL中的分庫(kù)分表，而當(dāng)前訂單中心ES查詢主要分為兩類：?jiǎn)蜪D查詢以及分頁(yè)查詢。

分片數(shù)越大，集群橫向擴(kuò)容規(guī)模也更大，根據(jù)分片路由的單ID查詢吞吐量也能大大提升，但聚合的分頁(yè)查詢性能則將降低；分片數(shù)越小，集群橫向擴(kuò)容規(guī)模也更小，單ID的查詢性能也會(huì)下降，但分頁(yè)查詢的性能將會(huì)提升。

所以如何均衡分片數(shù)量和現(xiàn)有查詢業(yè)務(wù)，我們做了很多次調(diào)整壓測(cè)，最終選擇了集群性能較好的分片數(shù)。

4、主從集群調(diào)整階段

到此，訂單中心的ES集群已經(jīng)初具規(guī)模，但由于訂單中心業(yè)務(wù)時(shí)效性要求高，對(duì)ES查詢穩(wěn)定性要求也高，如果集群中有節(jié)點(diǎn)發(fā)生異常，查詢服務(wù)會(huì)受到影響，從而影響到整個(gè)訂單生產(chǎn)流程。很明顯這種異常情況是致命的，所以為了應(yīng)對(duì)這種情況，我們初步設(shè)想是增加一個(gè)備用集群，當(dāng)主集群發(fā)生異常時(shí)，可以實(shí)時(shí)的將查詢流量降級(jí)到備用集群。

那備用集群應(yīng)該怎么來(lái)搭？主備之間數(shù)據(jù)如何同步？備用集群應(yīng)該存儲(chǔ)什么樣的數(shù)據(jù)？

考慮到ES集群暫時(shí)沒(méi)有很好的主備方案，同時(shí)為了更好地控制ES數(shù)據(jù)寫(xiě)入，我們采用業(yè)務(wù)雙寫(xiě)的方式來(lái)搭設(shè)主備集群。每次業(yè)務(wù)操作需要寫(xiě)入ES數(shù)據(jù)時(shí)，同步寫(xiě)入主集群數(shù)據(jù)，然后異步寫(xiě)入備集群數(shù)據(jù)。同時(shí)由于大部分ES查詢的流量都來(lái)源于近幾天的訂單，且訂單中心數(shù)據(jù)庫(kù)數(shù)據(jù)已有一套歸檔機(jī)制，將指定天數(shù)之前已經(jīng)關(guān)閉的訂單轉(zhuǎn)移到歷史訂單庫(kù)。

所以歸檔機(jī)制中增加刪除備集群文檔的邏輯，讓新搭建的備集群存儲(chǔ)的訂單數(shù)據(jù)與訂單中心線上數(shù)據(jù)庫(kù)中的數(shù)據(jù)量保持一致。同時(shí)使用ZK在查詢服務(wù)中做了流量控制開(kāi)關(guān)，保證查詢流量能夠?qū)崟r(shí)降級(jí)到備集群。在此，訂單中心主從集群完成，ES查詢服務(wù)穩(wěn)定性大大提升。

5、現(xiàn)今：實(shí)時(shí)互備雙集群階段

期間由于主集群ES版本是較低的1.7，而現(xiàn)今ES穩(wěn)定版本都已經(jīng)迭代到6.x，新版本的ES不僅性能方面優(yōu)化很大，更提供了一些新的好用的功能，所以我們對(duì)主集群進(jìn)行了一次版本升級(jí)，直接從原來(lái)的1.7升級(jí)到6.x版本。

集群升級(jí)的過(guò)程繁瑣而漫長(zhǎng)，不但需要保證線上業(yè)務(wù)無(wú)任何影響，平滑無(wú)感知升級(jí)，同時(shí)由于ES集群暫不支持從1.7到6.x跨越多個(gè)版本的數(shù)據(jù)遷移，所以需要通過(guò)重建索引的方式來(lái)升級(jí)主集群，具體升級(jí)過(guò)程就不在此贅述了。

主集群升級(jí)的時(shí)候必不可免地會(huì)發(fā)生不可用的情況，但對(duì)于訂單中心ES查詢服務(wù)，這種情況是不允許的。所以在升級(jí)的階段中，備集群暫時(shí)頂上充當(dāng)主集群，來(lái)支撐所有的線上ES查詢，保證升級(jí)過(guò)程不影響正常線上服務(wù)。同時(shí)針對(duì)于線上業(yè)務(wù)，我們對(duì)兩個(gè)集群做了重新的規(guī)劃定義，承擔(dān)的線上查詢流量也做了重新的劃分。

備集群存儲(chǔ)的是線上近幾天的熱點(diǎn)數(shù)據(jù)，數(shù)據(jù)規(guī)模遠(yuǎn)小于主集群，大約是主集群文檔數(shù)的十分之一。集群數(shù)據(jù)量小，在相同的集群部署規(guī)模下，備集群的性能要優(yōu)于主集群。

然而在線上真實(shí)場(chǎng)景中，線上大部分查詢流量也來(lái)源于熱點(diǎn)數(shù)據(jù)，所以用備集群來(lái)承載這些熱點(diǎn)數(shù)據(jù)的查詢，而備集群也慢慢演變成一個(gè)熱數(shù)據(jù)集群。之前的主集群存儲(chǔ)的是全量數(shù)據(jù)，用該集群來(lái)支撐剩余較小部分的查詢流量，這部分查詢主要是需要搜索全量訂單的特殊場(chǎng)景查詢以及訂單中心系統(tǒng)內(nèi)部查詢等，而主集群也慢慢演變成一個(gè)冷數(shù)據(jù)集群。

同時(shí)備集群增加一鍵降級(jí)到主集群的功能，兩個(gè)集群地位同等重要，但都可以各自降級(jí)到另一個(gè)集群。雙寫(xiě)策略也優(yōu)化為：假設(shè)有AB集群，正常同步方式寫(xiě)主（A集群）異步方式寫(xiě)備（B集群）。A集群發(fā)生異常時(shí)，同步寫(xiě)B(tài)集群（主），異步寫(xiě)A集群（備）。

ES 訂單數(shù)據(jù)的同步方案

MySQL數(shù)據(jù)同步到ES中，大致總結(jié)可以分為兩種方案：

方案1：監(jiān)聽(tīng)MySQL的Binlog，分析Binlog將數(shù)據(jù)同步到ES集群中。

方案2：直接通過(guò)ES API將數(shù)據(jù)寫(xiě)入到ES集群中。

考慮到訂單系統(tǒng)ES服務(wù)的業(yè)務(wù)特殊性，對(duì)于訂單數(shù)據(jù)的實(shí)時(shí)性較高，顯然監(jiān)聽(tīng)Binlog的方式相當(dāng)于異步同步，有可能會(huì)產(chǎn)生較大的延時(shí)性。且方案1實(shí)質(zhì)上跟方案2類似，但又引入了新的系統(tǒng)，維護(hù)成本也增高。所以訂單中心ES采用了直接通過(guò)ES API寫(xiě)入訂單數(shù)據(jù)的方式，該方式簡(jiǎn)潔靈活，能夠很好的滿足訂單中心數(shù)據(jù)同步到ES的需求。

由于ES訂單數(shù)據(jù)的同步采用的是在業(yè)務(wù)中寫(xiě)入的方式，當(dāng)新建或更新文檔發(fā)生異常時(shí)，如果重試勢(shì)必會(huì)影響業(yè)務(wù)正常操作的響應(yīng)時(shí)間。

所以每次業(yè)務(wù)操作只更新一次ES，如果發(fā)生錯(cuò)誤或者異常，在數(shù)據(jù)庫(kù)中插入一條補(bǔ)救任務(wù)，有Worker任務(wù)會(huì)實(shí)時(shí)地掃這些數(shù)據(jù)，以數(shù)據(jù)庫(kù)訂單數(shù)據(jù)為基準(zhǔn)來(lái)再次更新ES數(shù)據(jù)。通過(guò)此種補(bǔ)償機(jī)制，來(lái)保證ES數(shù)據(jù)與數(shù)據(jù)庫(kù)訂單數(shù)據(jù)的最終一致性。

遇到的一些坑

1、實(shí)時(shí)性要求高的查詢走DB

對(duì)于ES寫(xiě)入機(jī)制的有了解的同學(xué)可能會(huì)知道，新增的文檔會(huì)被收集到Indexing Buffer，然后寫(xiě)入到文件系統(tǒng)緩存中，到了文件系統(tǒng)緩存中就可以像其他的文件一樣被索引到。

然而默認(rèn)情況文檔從Indexing Buffer到文件系統(tǒng)緩存（即Refresh操作）是每秒分片自動(dòng)刷新，所以這就是我們說(shuō)ES是近實(shí)時(shí)搜索而非實(shí)時(shí)的原因：文檔的變化并不是立即對(duì)搜索可見(jiàn)，但會(huì)在一秒之內(nèi)變?yōu)榭梢?jiàn)。

當(dāng)前訂單系統(tǒng)ES采用的是默認(rèn)Refresh配置，故對(duì)于那些訂單數(shù)據(jù)實(shí)時(shí)性比較高的業(yè)務(wù)，直接走數(shù)據(jù)庫(kù)查詢，保證數(shù)據(jù)的準(zhǔn)確性。

2、避免深分頁(yè)查詢

ES集群的分頁(yè)查詢支持from和size參數(shù)，查詢的時(shí)候，每個(gè)分片必須構(gòu)造一個(gè)長(zhǎng)度為from+size的優(yōu)先隊(duì)列，然后回傳到網(wǎng)關(guān)節(jié)點(diǎn)，網(wǎng)關(guān)節(jié)點(diǎn)再對(duì)這些優(yōu)先隊(duì)列進(jìn)行排序找到正確的size個(gè)文檔。

假設(shè)在一個(gè)有6個(gè)主分片的索引中，from為10000，size為10，每個(gè)分片必須產(chǎn)生10010個(gè)結(jié)果，在網(wǎng)關(guān)節(jié)點(diǎn)中匯聚合并60060個(gè)結(jié)果，最終找到符合要求的10個(gè)文檔。

由此可見(jiàn)，當(dāng)from足夠大的時(shí)候，就算不發(fā)生OOM，也會(huì)影響到CPU和帶寬等，從而影響到整個(gè)集群的性能。所以應(yīng)該避免深分頁(yè)查詢，盡量不去使用。

3、FieldData與Doc Values

FieldData

線上查詢出現(xiàn)偶爾超時(shí)的情況，通過(guò)調(diào)試查詢語(yǔ)句，定位到是跟排序有關(guān)系。排序在es1.x版本使用的是FieldData結(jié)構(gòu)，F(xiàn)ieldData占用的是JVM Heap內(nèi)存，JVM內(nèi)存是有限，對(duì)于FieldData Cache會(huì)設(shè)定一個(gè)閾值。

如果空間不足時(shí)，使用最久未使用（LRU）算法移除FieldData，同時(shí)加載新的FieldData Cache，加載的過(guò)程需要消耗系統(tǒng)資源，且耗時(shí)很大。所以導(dǎo)致這個(gè)查詢的響應(yīng)時(shí)間暴漲，甚至影響整個(gè)集群的性能。針對(duì)這種問(wèn)題，解決方式是采用Doc Values。

Doc Values

Doc Values是一種列式的數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)，跟FieldData很類似，但其存儲(chǔ)位置是在Lucene文件中，即不會(huì)占用JVM Heap。隨著ES版本的迭代，Doc Values比FieldData更加穩(wěn)定，Doc Values在2.x起為默認(rèn)設(shè)置。

總結(jié)

架構(gòu)的快速迭代源于業(yè)務(wù)的快速發(fā)展，正是由于近幾年到家業(yè)務(wù)的高速發(fā)展，訂單中心的架構(gòu)也不斷優(yōu)化升級(jí)。而架構(gòu)方案沒(méi)有最好的，只有最合適的，相信再過(guò)幾年，訂單中心的架構(gòu)又將是另一個(gè)面貌，但吞吐量更大，性能更好，穩(wěn)定性更強(qiáng)，將是訂單中心系統(tǒng)永遠(yuǎn)的追求。