背景

随着苏宁易购平台规模的飞速发展，平台的订单量呈现指数级的增长，存储容量已达TB级，订单量更是到了万亿级别，尤其在双11大促流量洪峰的场景下，面临两个挑战：

1、如何存储如此巨大的数据量
2、如何提供高并发、低延迟、多维度的检索服务
传统关系型数据库无法支撑多维度的模糊检索，为此，我们选用了elasticsearch来提供索引服务，原因如下：

1、技术及配套组件成熟
2、有较大的用户群体，且社区活跃
3、提供简便易用的api服务，易上手
4、具有快速的水平及垂直扩容能力，具备高可用，高性能的特征

集群整体架构

按查询维度以及目标使用人群，分为以下集群
1：全量订单字段集群：保存了全部订单数据，目前主要用于：1）其他索引集群字段初始化时提供数据来源。2）搜索出订单ID时，根据ID取出该订单所有字段详情，由于订单号即为docId，所以直接get速度很快。数以亿计的订单，不可全由一个索引承载，应进行分索引处理。由于订单号本身就是分段使用的，根据订单号生成规则，我们将这些订单均匀分配到多个索引中，这样可以控制索引大小并有效分散数据。索引规则定下来了，shard数按照每个shard不超过30G的原则来分。如果单个shard的容量突破30G时，可以根据订单号生成的时间维度，建立新的集群，在应用层路由到不同的集群和索引。

Elasticsearch的正确使用姿势应该只是用于建索引，而不是存储数据，但是该集群由于历史原因一直保存了下来，我们后续会将该部分数据迁移到公司大数据平台上。

2：会员搜索集群:该集群搜索字段相对较少，每次搜索请求需要附带会员号，主要用于提供给互联网用户搜索“我的订单”时使用。在索引设计上，我们按日期段分索引，以便横向扩展，备份数量根据查询请求量来设计。查询时会带上日期及会员号，根据日期即可定位到索引，按照会员号routing，能直接定位到某个shard。由于是按日期分索引，所以当集群规模变得很大时，可以水平无限扩展集群。

3：客服搜索集群：该集群搜索字段相对较多，查询条件不定，为了避免宽泛的搜索条件而对线上顾客查询造成影响，我们单独为客服订单查询建了一套集群。该集群类似会员集群，按日期段分索引，由于该集群对搜索时效没有那么高的要求，所以备份数可以少些。

4：头行关系集群：订单头和订单行关系，高速缓存。

5: Redis集群：流量高峰时做削峰处理，线性输出且做到对上游系统无感知，以保护ES集群

6: wildfly集群：对外提供RPC服务，外界对ES发起的查询和数据初始化时一律经过此集群，将查询或写入指令转换成ES操作指令，这样屏蔽底层实现，做索引或集群调整时可以做到对上游系统透明，而且可以在接口层灵活控制访问流量。

7: Nginx集群：提供ES插件鉴权服务，防止不受控制的访问head，kopf插件及调用REST服务，该集群还提供反向代理服务，屏蔽master节点IP（提供http服务）。

8: DB集群：发生错误时，错误指令入DB，后续做补偿处理。
整体集群示意图如下：

扩容

当系统能力不足时，可选的扩容方案如下：

1)副本数，shard数都不变，直接添加机器，让ES自动再平衡数据，适用于单个节点上有多个分片时。机器数量增加后，单个机器上的索引分片数就相应减少，可以有效降低单个机器的IO压力。

2）副本数增加，shard数不变,副本数增加后，对写入tps会有一定的影响，但是能有效提升读tps。

3）副本数不变，shard数增加。
此方案需要重建索引，所以在先期建索引时就需要考虑好数据量及增长速度。
由于集群规模大，扩容时机器数量多，所以使用脚本搭建机器环境，在一台机器上操作所有机器的JDK,ES参数的配置。SSH配置，ES参数配置及服务启动脚本都是通用的，此处不再赘述。

增加搜索字段处理逻辑

在实际系统运行中，经常会发生需要增加搜索条件的场景（会员搜索集群或客服搜索集群都可能增加索引字段），这时候就需要重新灌数据，需要做好初始化和实时更新的顺序逻辑。

1：当要初始化时，开启初始化模式开关（基于ZooKeeper实现的实时配置中心）。

2：从全量集群scroll数据集到其他搜索集群。

3：有某个文档的update报文过来时，不直接更新搜索集群的目标索引，而是从全量集群get出所有目标字段，然后全量覆盖搜索集群中该文档。
这么做是因为初始化灌数据和实时接收报文并更新是不同的线程，如果初始化过程中又接收到更新数据的指令，如果先更新了索引集群，然后再拿到全量集群的初始化数据，而拿到后全量集群又发生了更新，则拿到的初始化数据是旧版本的数据，导致搜索集群和全量集群的数据不一致。

引入redis集群

为应对写入高峰，在wildfly集群前置了一组redis集群，填谷削峰,用于降低瞬时写压力。

为解决异步问题，在写入请求到来时，先入全量集群再入redis，成功后再返回上游系统成功，上游系统只有在拿到这个成功标识后才会再次写入后续指令，这样就能保证全量集群的数据正确性。目前这个方案的性能可以满足需求，如果需要进一步提升性能，则写入报文全部入redis然后直接返回上游系统成功或失败标识，再开启新线程读取报文到全量集群及其他搜索集群，当然用此方案时需要处理好异步线程之间的关系及缓存中的数据顺序。

在写入redis时既要防止热点分片，也要防止乱序，还要防止数据游离没有线程去消费，为此我们处理逻辑如下：
1：报文先写入全量集群。

2：由于有10个redis分片，所以取订单号的末位数字，根据此数字找到位于某个分片上的待处理集合（集合名:pending_X），并将订单号塞入该集合。这样可以防止待处理集合产生热点。

3：在redis中建立以该单号为key的列表，列表中存放的是报文指令（如果列表已存在则直接将报文追加到列表最后）。到此步，上半部分写入就完成了，可以返回上游系统成功标识。

4：新开线程，根据指令对应的订单号，取出待处理集合中的该订单号的key并执行setNx,如果取到锁，则一直处理该列表中的报文，直到拿不到数据再退出循环。最后删除待处理集合中该订单号，删除后再做一次检验是否有该订单号的列表，防止删除待处理集合中该key后又有新的请求过来。

5：定时任务巡检待处理集合中的订单号，如果有某个订单号且setNx成功，则说明之前执行队列消费的线程挂掉了，此时定时任务检漏消费。

6：定时任务巡检所有列表，如果某个列表对应的订单号不在待处理集合中，则捡漏消费，防止以上步骤3中的最后一步删除了待处理集合中该订单号后又有新数据进来时且消费线程又突然挂掉了。
写入各个集群的示意图如下：

监控及管理

前台应用提供RPC服务，当然后端需要有监控管理措施，我们主要做了以下几方面：

安装必要管理插件，包括marvel，head，kopf，并将插件入口统一集成到admin系统，下文有详述。

机器资源使用监控：定时任务请求ES自带系统状态服务，拿到各个节点资源使用情况，如有即将达到阈值的资源会及时告警。

缓存监控：监控redis中有多少待处理数据，依此判断系统是否有数据积压，以便动态调整消费线程数。
数据修复：如果有数据状态不一致，丢字段的现象发生，则请求上游系统重新下传错误订单数据。

压测数据清理：压测，各个大促节点前必做事项，检测出系统极限能力，判断瓶颈点，以便有针对性的改进。这些数据量大的垃圾数据需要及时清理，释放宝贵系统资源。

此外，为方便运维，减少登录head插件的频率，以防误操作，在后台管理系统开发了查询功能。

权限控制

日常运维必用的head/kopf插件的安全机制:默认的head/kopf插件是不带权限管理的，任何人只要知道域名就能访问（不能直接访问到ES机器，生产办公网段是隔离的），这给生产系统带来极大隐患。在后台管理及插件管理我们先后做了两套方案：

最初方案：在插件域名所在的nginx上我们配置了访问权限控制，这个方案运行过一段时间，但是后来发现，权限难免会泄露，对于head和kopf插件来说还是有一定的隐患，所以用下面的替代方案。

优化后方案：把head/kopf插件的源码拿到应用的后台管理系统，访问插件页面时需要输入动态密码（公司内部应用提供的服务），只有配置了认证权限的工号才能访问插件所在页面，对插件页面的请求通过应用服务器发起http请求到原先插件域名所在的nginx服务器，拿到数据后再在本地展现，原先插件所在域名的nginx只有配置了白名单的服务器才能访问，白名单机器限定为应用后台系统的服务器，这样彻底杜绝了权限泄露带来的隐患。

进入集群链接初始页：

点击marvel链接后，由于不能操作集群配置，所以还是用原先的nginx静态权限：

点击head或kopf链接后则需要输入动态令牌：

一些需要注意的地方：

ES对内存的需求较大，设置java最大堆时，不要超过32G，因为一单超过32G，会有指针压缩问题，不同机器具体阈值不一样，为保险起见，我们设置-Xmx31g，垃圾回收器我们选择了更适合于大堆内存的G1。以下是一些我们 的ES配置项：
#数据安全方面，需要防止一次性删除所有索引，可以设置以下配置项：
action.disable_delete_all_indices:true

#分配shard时，考虑磁盘空间：
cluster.routing.allocation.disk.threshold_enabled:true

#锁定内存，同时也要允许elasticsearch的进程可以锁住内存, linux命令: ulimit -l unlimited
bootstrap.mlockall: true

#缓存类型设置为Soft Reference, 最大限度的使用内存而不引起OutOfMemory
index.cache.field.type: soft

#设置单播
discovery.zen.ping.multicast.enabled:false
discovery.zen.ping.unicast.hosts： #所有master的ip:port,

#防止脑裂，(masterNode数量/2) + 1
discovery.zen.minimum_master_nodes:2

#扩容时，新机器加入集群之前需要关掉自动平衡，机器全部加入集群后再开启自动平衡。

#关闭自动平衡：
PUT http://xx.xx.xx.xx:9200/_cluster/settings
{“transient”:{“cluster.routing.allocation.enable”:“none”}}
开启自动平衡：
PUT http://xx.xx.xx.xx:9200/_cluster/settings
{“transient”:{“cluster.routing.allocation.enable”:“all”}}

#在重启es或者关闭索引之间，建议先执行flush行为，确保所有数据都被写入磁盘，避免数据丢失：
curl –XPOST xx.xx.xx.xx:9200/index-name/_flush?v

#将ES的数据目录放到内存文件系统（屏蔽磁盘I/O瓶颈，内存文件系统写入速度能达到1GB/S以上）
mount -t tmpfs -o size=10G,mode=0755 tmpfs /home/elasticsearch/data

还有其他一些ES的优化配置，可以参考ES官方文档，此处不再赘述。

作者：
刘发亮，苏宁易购IT总部中台研发中心技术总监，主要负责基础技术组件相关研发工作。10多年从事java系统相关开发及架构设计，主导过苏宁人事共享项目，苏宁资金系统，苏宁金融APP网关，苏宁云商城等系统研发，对高并发，大数据量数据处理有较丰富的经验。