Elasticsearch实战——全文检索架构设计

2、理清楚使用ES的初衷

2.1 大数据背景下数据量的积累与数据应用疲软矛盾一直存在。

大数据的风已经刮了几年，西安交大徐宗本院士也强调“推动大数据产业必须解决好定位、规划、切入点、数据标准、开发共享等问题，互联互通是基础、定制化服务是中心、懂数据会分析是关键”。可见，数据分析的重要性。

传统企业的数据存储存在以下问题：

问题1：由于模型受限，传统企业的数据大多存储在关系型数据库Mysql、Oracle，非结构化数据存储在Mongo中。数据量也能积累到TB甚至PB级。

只能进行结构化的检索类似”select * from table where col like ‘%xxx%’显然不能满足纷繁复杂的业务需求。

问题2：数据是死数据，数据的BI可视化展示需要专业团队开发，但不能得到很好的分析效果。

以上问题形成了数据量累计到一定的量，但数据得不到很好的应用分析之间的矛盾。

2.2 在保持基础数据库不动的同时，新增全文检索，更好、更快的从亿万数据中获取检索服务。

不想抛弃原有的数据存储结构，想在原有数据存储的基础上新增全文检索。

3、传统存储模型上的ES全文检索架构

3.1 采集层

解决数据源头问题。

业务模型的不同，有的数据是机器设备（软件、硬件）产生的，有的则需要自己开发爬虫（如：python的scrapy）进行互联网全网爬取或者定向网站爬取。

3.2 Mysql基础存储层

基础数据的存储。

定义好库表结构、关联关系、主键、外键结构来存储结构化数据。

或者非结构化数据，采用Mongo键值对的方式存储。

3.3 ES检索层

实现基础数据的同步。这里是关键，传统的业务模型会在Mysql基础层的基础上，开展业务数据分析通常是以下步骤：

步骤1：后台数据——库表分散的建立视图，对数据做分门别类的统计（基于order by, group by等操作）。

步骤2：前端可视化——通过 Angularjs 进行数据渲染，并通过百度的Echart模型进行可视化展示。

ES检索层的准备如下：

方式1.数据同步——基础业务数据由基础库Mysql、Oracle或Mongolia同步到ES中，大多需要借助logstash实现。

同步策略参见：

http://blog.csdn.net/laoyang360/article/details/72792865

方式2.数据同步——数据存成json格式文件，然后借助阿里的fastjson解析，以bulk方式批量导入ES。

3.4 对外接口及可视化层

实现ES全文检索、Tag检索等对外服务、数据的分类统计、排序等可视化展示。

java接口可以参考jest实现。

可视化可以借助kibana实现。这里就体现出elkstack的优势，logstash完成基础数据同步，es完成数据存储和检索，kibana完成数据可视化。

4.架构小结

以上是我研究ES近一年时间的实战总结。其中，ES检索、kibana可视化的深入应用还有很长的路要走。

欢迎就架构问题深入留言探讨！