NingG +

Elastic 系列:概述

概要

轻量级搜索中心:之前公司内部,采用 solr 的 web 服务,作为业务侧的搜索中心,同时,搜索中心的运维、管理等工作,也直接由业务研发负责,业务演进效率非常高。

通用的业务分析,不涉及海量数据,也不涉及极其复杂的分析,因此,solr 采用 Master + Slave 结构,即可满足需求:

  1. 集群结构1 + 2 集群,1 个 Master、2 个 Slave,具体发布服务时,设置指定的机器为 master,其他指定机器为 slave 角色
  2. 域名区分:Nginx 上配置 master.solr.xxx.com 和 slave.solr.xxx.com
  3. 读写分离:Nginx 上配置,更新的请求 POST 送入 master 服务器,读取的请求 GET 送入 slave

当时 Solr 的 web 服务配置,跟 Solr服务的搭建 基本类似,只不过采用 Maven + Jetty 的管理方式,同时,依赖服务启动的环境变量,指定具体机器上的 master 和 slave 角色。

关于上述场景,有几个疑问:

  1. 索引文件存储:上述 solr 服务,完全以 web 服务发布,其构建的索引文件,直接存储在「具体机器本地」吗?也就是说,如果需要迁移机器,也需要迁移索引文件 or 需要重建索引文件。
  2. ElasticSearch 服务:按照上述 solr 的 web 服务模式,当前流行的 ElasticSearch 是否也可以直接构建 轻量级的搜索中心呢?

基于上述业务场景,考虑 ElasticSearch 构建 轻量级搜索中心.

Elastic 思考

基本思路:接触到 ElasticSearch,希望构建轻量级的搜索中心,但 Elastic 的社区可能是另外的操作思路,因此,需要:

  1. 熟悉:先理解 Elastic 的全貌,并试用其基本用法;
  2. 使用:再其起对轻量级搜索中心的支持;

熟悉 Elastic

关于 Elastic 服务,几个思路:

  1. 能做什么:当前官方对 Elastic 的定位
  2. 如何使用:
    1. 基本用法:常用组件的基本用法
    2. 运维部署:生产部署方案,物理机、虚拟机、Docker、Kubernetes 等方案

主要参考:

使用 Elastic

使用 Elastic:构建轻量级搜索中心

参考资料

Top