Elasticsearch 7.0 正式发布,盘他!

Elastic{ON}北京分享了Elasticsearch7.0在Speed,Scale,Relevance等方面的很多新特性。
比快更快,有传说中的那么牛逼吗?盘他
通过本文,你能了解到:

  • Elasticsearch&Kibana 7.部署体验
  • Elasticsearch7 革命性更新
  • Elasticsearch 7升级注意事项
  • Elasticsearch 版本更新太快了,学不动了,肿么办?

1、ES&Kibana 7.部署体验

1.1 Elasticsearch 7.0 默认自带 JDK

不用再为安装什么版本的 JDK和环境冲突而苦恼了,下载安装即可使用。 ​​​
对比可知,包大了200MB+,正是JDK的大小。

在这里插入图片描述

1.2 默认节点名称为主机名。

在这里插入图片描述
不过仍然可以在elasticsearch.yml中显式配置。
实际业务场景中,以主机名区分不同节点比随机起名字更便于甄别,不易混淆。

1.3 默认分片数改为1,不再是5。

在这里插入图片描述

1.4 Elasticsearch 7.0 没有 Type 了,包括 API 层面的。

如下所示,确切的说,正确的使用方法,使用默认的_doc作为type就可以了。
type会在8.X版本彻底移除。
在这里插入图片描述

1.5 hits.total返回对象,而非仅结果值

现在,与搜索请求匹配的总命中数将作为具有值和关系的对象返回。
value表示匹配的匹配数,
关系表示值是准确的(eq)还是非准确的(gte)。
在这里插入图片描述

1.5 Kibana 支持全局开启“黑暗”模式

用户可以选择打开主题:Kibana->高级设置->dark Mode,而不是必须在很多地方打开黑暗模式,它将适用于所有应用程序。

在这里插入图片描述
在这里插入图片描述

2、Elasticsearch7 革命性更新

2.1 查询相关性速度优化

Weak-AND算法在Term Query查询场景有3700%的性能提升。
如下所示,除了Term检索,Fuzzy,Phrase, Bool And .Bool OR都有大幅的性能提升!
在这里插入图片描述
啥是weak-and算法?
核心原理:取TOP N结果集,估算命中记录数

简单来说,一般我们在计算文本相关性的时候,会通过倒排索引的方式进行查询,通过倒排索引已经要比全量遍历节约大量时间,但是有时候仍然很慢。

原因是很多时候我们其实只是想要top n个结果,一些结果明显较差的也进行了复杂的相关性计算,
而weak-and算法通过计算每个词的贡献上限来估计文档的相关性上限,从而建立一个阈值对倒排中的结果进行减枝,从而得到提速的效果。

2.2 间隔查询(Intervals queries)

某些搜索用例(例如,法律和专利搜索)引入了查找单词或短语彼此相距一定距离的记录的需要。
Elasticsearch 7.0中的间隔查询引入了一种构建此类查询的全新方式,与之前的方法(跨度查询span queries)相比,使用和定义更加简单。

与跨度查询相比,间隔查询对边缘情况的适应性更强。

2.3 引入新的集群协调子系统

移除 minimum_master_nodes 参数,让 Elasticsearch 自己选择可以形成仲裁的节点。
典型的主节点选举现在只需要很短的时间就可以完成。
集群的伸缩变得更安全、更容易,并且可能造成丢失数据的系统配置选项更少了。
节点更清楚地记录它们的状态,有助于诊断为什么它们不能加入集群或为什么无法选举出主节点。

2.4 升级 Elasticsearch 7,0 ,不再内存溢出

新的 Circuit Breaker 在JVM 堆栈层面监测内存使用,Elasticsearch 比之前更加健壮。
设置indices.breaker.fielddata.limit的默认值已从JVM堆大小的60%降低到40%。

2.5 时间戳纳秒级支持,提升数据精度

利用纳秒精度支持加强时间序列用例

到目前为止,Elasticsearch仅以毫秒精度存储时间戳。 7.0增加了几个零并带来了纳秒精度,这提高了高频数据采集用户存储和排序所需数据的精度。

显然,7.0的特性远不止这些,更多新版本特性推荐阅读:
1、https://www.elastic.co/cn/blog/elastic-stack-7-0-0-released?elektra=products&storm=main
2、https://www.elastic.co/guide/en/elasticsearch/reference/current/breaking-changes-7.0.html#_literal_network_breaker_inflight_requests_overhead_literal_increased_to_2

3、Elasticsearch 7升级注意事项

3.0 升级前必知必会

  1. 查看新版本的重大更改特性,并对7.0.0的代码和配置进行必要的更改。
  2. 如果您使用自定义插件,请确保兼容版本可用。
  3. 在升级生产集群之前,在开发环境中测试升级。
  4. 备份您的数据! 您必须拥有数据快照才能回滚到早期版本。

3.1 升级API

Rolling upgrade ——滚动升级允许Elasticsearch集群一次升级一个节点,升级不会中断服务。
不支持在升级期间在同一群集中运行多个版本的Elasticsearch,因为无法将已升级的节点复制到运行旧版本的节点。

3.2 版本升级路线

  • 小版本之间升级:举例:5.4.1升级到5.6
  • 平滑升级——从5.6版本到6.7版本
  • 平滑升级——从6.7版本到7.0.0版本

3.3 借助Reindex升级索引数据

Elasticsearch可以读取在先前主要版本中创建的索引。如果您在5.x或之前创建了索引,则必须在升级到7.0.0之前重新索引或删除它们。
如果存在不兼容的索引,Elasticsearch节点将无法启动。

3.4 ELK Stack要一起升级

升级到新版本的Elasticsearch时,需要升级Elastic Stack中的每个产品。

3.5 6.6或更早版本集群,需要先关闭

要从6.6或更早版本直接升级到7.0.0,必须关闭群集,安装7.0.0并重新启动。

3.6 切记,7.0+版本无type的索引结构。

这点,如果考虑未来更新版本,在6.X或者更早版本的项目中,就严格按照7.x规范走,这样升级会相对比较省事。

4、Elasticsearch 版本更新太快了,学不动了,肿么办?

在这里插入图片描述

一方面,我们感叹ES的更新速度,的确从2016年的2.X到2019年的7.0,版本更新速度超乎想象。
另一方面,实际业务开发中,还在使用1.X,2.X,5.X,甚至还没有用过6.X的朋友非常多,小伙伴不禁有了“学不动了”的感慨。

4.1 新版本的变

变是永恒的,尤其是基于开源软件加上上市公司的推动。

实际上,高版本较低版本,主要在性能上的提升和部分新功能点的实现。

- 1、新版本更高效。
比如:6.6+提出的ilm索引生命周期管理,你如果关注Elastic Meetup的话,印象ebay和阿里还有其他公司自己就实现过类似功能。
原有版本有类似的功能,只不过是非常、非常麻烦、繁琐,所以,才有了ilm的诞生。

- 2、新版本迎合了市场的需求。
比如:7.0的黑暗模式,实际在grafana或类似竞品BI中都有类似的功能,猜测Kibana升级一方面是用户需求,另一方面也是竞品分析的结果。

- 3、新版本性能极大提升。
比如:7.0的terms融合新算法,有37倍的提升。

4.2 新版本的不变

《暗时间》作者刘未鹏说过“底层的技术永远不过时”。

不必说倒排索引机制不会变,也不必说Lucene的改动也相对较小。单是:ES的基础功能全文检索、多种聚合等几乎不会有太大的变动。

4.3 还存在学不动吗?

夯实打牢基础基本功,理解ELK更新的变与不变。80-90%+的时间关注基础,10%左右的时间关注增量的变化即可。
以不变应万变,方为生存之道!

参考:
https://blog.csdn.net/yihucha166/article/details/8500247
https://mp.weixin.qq.com/s/JWSCT_rK6KLRr_cl7gAG9g

在这里插入图片描述
铭毅天下——Elasticsearch基础、进阶、实战第一公众号

©️2020 CSDN 皮肤主题: Age of Ai 设计师:meimeiellie 返回首页