Elasticsearch搜索优化-自定义路由规划(routing)

在es的实践学习中，我觉得它的文档是最好的老师，所以先把这部分链接贴出来，本文只是引导，文档全是细节，还是推荐大家事后认真看看文档

Metadata fields-routing

在es搜索中，请求是先分发到所有分片，然后聚合结果返回，如果我们将相同业务领域的数据聚集到同一个或者少部分分片，搜索的时候只搜索这几个分片，那么将会减少机器压力，提高搜索性能。

没有指定路由的情况

在没有指定路由的情况，所有的数据是依据文档_id（_routing的默认为_id），然后套公式均匀的分发到分片中，公式如下：

//我这边用的是7.9.3版本，我看7.17的公式多加了一个num_routing_shards参数，分片算法改进但本质结果没有变。
shard_num = hash(_routing) % num_primary_shards

从公式中我们可以看到id的不同必然导致文档会分散到不同的分片中，这就是没有自定义路由的普遍情况。

指定路由的情况

新建索引

如何指定路由要分析产品需求和数据上的相通性，就拿商品搜索来说，商品分布在不同的门店，而同一门店的商品可能会有列表搜索，有了这么一个需求，那么同一门店的商品是不是放在一个分片里是最好选择？

分析好需求以后我们确定了针对门店编码做路由，首先我们简单建立一个索引

PUT ***/routing

{
  "settings": {
    "number_of_shards": "3",
    "number_of_replicas": "3",
    "index.routing_partition_size": "2",
    "index.number_of_routing_shards": "3"
  },
  "mappings": {
    "_routing": {
      "required": true
    }
  }
}

除了指定了常见的分片数，副本数，还有两个新的参数index.routing_partition_size和
index.number_of_routing_shards,

index.routing_partition_size

当使用了路由，可以让路由相同的文档分配到同一个分片上，从而减少查询时需要的分片数，提高查询效率。但是使用该参数容易导致数据不平衡。为此，ES还提供了一个index.routing_partition_size参数，用于将路由相同的文档映射到不止一个分片上，默认值是1，这样一方面可以减少查询的分片数，另一方面又可以在一定程度上防止分片数据不平衡。引入该参数后计算公式如下

shard_num = (hash(_routing) + hash(_id) % routing_partition_size) % num_primary_shards

这个参数只是对上面公式的进一步延申，我在索引参数中设置了2，说明在这个3个分片的索引中，路由相同的文档分配到其中2个分片上，后面我们导入数据时看看效果。

index.number_of_routing_shards

当在es中使用自定义路由时，路由分片的数量(number_of_routing_shards)决定了有多少分片用于路由。如果不指定此设置，则无论设置的分区大小(routing_partition_size)是多少，都只使用一个分片进行路由。为了确保正确实现分区大小，请将number_of_routing_shards设置为索引中的主分片数(number_of_shards)。这将确保根据指定的路由分片大小（number_of_routing_shards）使用预期数量的分片（number_of_routing_shards）进行路由。

在很多资料中，只提了routing_partition_size但是没有提number_of_routing_shards，如果不设置number_of_routing_shards，routing_partition_size的作用就会失效，这里着重强调，我在例子中设置了3，跟主分片数量一样。

Unique IDs with custom routing

其次，mappings里_routing的required值为true，会让使用自定义路由时，每当保存、获取、删除或更新文档时，都必须提供路由值，否则报错。我们要明白一点，如果不强制设置这个必填，会导致一条数据在多个分片中出现，没错，连_id都会一模一样，因为在es机制中，不同的路由值下的_id才必须是唯一的。这一条规则（Unique IDs with custom routing）文档也有写清。

导入数据

同一个routing随意导入若干条数据，看看数据分片的情况

插入数据

POST http://***/routing/_doc?routing=107U

{
  "shopCode": "107U"
}

检查预期结果

查询分片情况：

GET 
http://***/_cat/shards/routing?v

可以看到在同一个路由的情况下，数据只分布在2个分片中，符合预期。

index   shard prirep state      docs store ip         node
routing 1     p      STARTED      13 5.1kb 10.6.11.20 node-2
routing 1     r      STARTED      13 5.1kb 10.6.11.20 node-1
routing 1     r      STARTED      13 5.1kb 10.6.11.20 node-3                     
routing 2     r      STARTED       7 4.8kb 10.6.11.20 node-2
routing 2     r      STARTED       7 4.8kb 10.6.11.20 node-1
routing 2     p      STARTED       7 4.8kb 10.6.11.20 node-3        
routing 0     r      STARTED       0  208b 10.6.11.20 node-2
routing 0     p      STARTED       0  208b 10.6.11.20 node-1
routing 0     r      STARTED       0  208b 10.6.11.20 node-3              

结语

自定义路由在用户了解查询需求和业务的基础之上，可以对查询性能进行优化，然而使用不当会导致数据不平衡，重复ID等问题。所以要充分了解其机制再去使用（这里再次推荐看下官方文档），避免反向优化。