?2017-02-23?58沈劍?架構師之路

一、緣起

《深入淺出搜索架構（上篇）》詳細介紹了：

（1）全網搜索引擎架構與流程

（2）站內搜索引擎架構與流程

（3）搜索原理與核心數據結構

?

本文重點介紹：

（4）流量數據量由小到大，常見搜索方案與架構變遷

（5）數據量、并發量、擴展性方案

?

只要業務有檢索需求，本文一定對你有幫助。

?

二、檢索需求的滿足與架構演進

任何互聯網需求，或多或少有檢索需求，還是以58同城的帖子業務場景為例，帖子的標題，帖子的內容有很強的用戶檢索需求，在業務、流量、并發量逐步遞增的各個階段，應該如何實現檢索需求呢？

?

原始階段-LIKE

數據在數據庫中可能是這么存儲的：

t_tiezi(tid, title, content)

滿足標題、內容的檢索需求可以通過LIKE實現：

select tid from t_tiezi where content like ‘%天通苑%’

?

能夠快速滿足業務需求，存在的問題也顯而易見：

（1）效率低，每次需要全表掃描，計算量大，并發高時cpu容易100%

（2）不支持分詞

?

初級階段-全文索引

如何快速提高效率，支持分詞，并對原有系統架構影響盡可能小呢，第一時間想到的是建立全文索引：

alter table t_tiezi add fulltext(title,content)

使用match和against實現索引字段上的查詢需求。

?

全文索引能夠快速實現業務上分詞的需求，并且快速提升性能（分詞后倒排，至少不要全表掃描了），但也存在一些問題：

（1）只適用于MyISAM

（2）由于全文索引利用的是數據庫特性，搜索需求和普通CURD需求耦合在數據庫中：檢索需求并發大時，可能影響CURD的請求；CURD并發大時，檢索會非常的慢；

（3）數據量達到百萬級別，性能還是會顯著降低，查詢返回時間很長，業務難以接受

（4）比較難水平擴展

?

中級階段-開源外置索引

為了解決全文索的局限性，當數據量增加到大幾百萬，千萬級別時，就要考慮外置索引了。外置索引的核心思路是：索引數據與原始數據分離，前者滿足搜索需求，后者滿足CURD需求，通過一定的機制（雙寫，通知，定期重建）來保證數據的一致性。

?

原始數據可以繼續使用Mysql來存儲，外置索引如何實施？Solr，Lucene，ES都是常見的開源方案。

樓主強烈推薦ES（ElasticSearch），原因是Lucene雖好，但始終有一些不足：

（1）Lucene只是一個庫，潛臺詞是，需要自己做服務，自己實現高可用/可擴展/負載均衡等復雜特性

（2）Lucene只支持Java，如果要支持其他語言，還是得自己做服務

（3）Lucene不友好，這是很致命的，非常復雜，使用者往往需要深入了解搜索的知識來理解它的工作原理，為了屏蔽其復雜性，一個辦法是自己做服務

…

…

?

為了改善Lucene的各項不足，解決方案都是“封裝一個接口友好的服務，屏蔽底層復雜性”，于是有了ES：

（1）ES是一個以Lucene為內核來實現搜索功能，提供REStful接口的服務

（2）ES能夠支持很大數據量的信息存儲，支持很高并發的搜索請求

（3）ES支持集群，向使用者屏蔽高可用/可擴展/負載均衡等復雜特性

?

目前58到家使用ES作為核心，實現了自己的搜索服務平臺，能夠通過在平臺上簡單的配置，實現業務方的搜索需求。

搜索服務數據量最大的“接口耗時數據收集”需求，數據量大概在7億左右；并發量最大的“經緯度，地理位置搜索”需求，線上平均并發量大概在600左右，壓測數據并發量在6000左右。

?

結論：ES完全能滿足10億數據量，5k吞吐量的常見搜索業務需求，強烈推薦。

?

高級階段-自研搜索引擎

當數據量進一步增加，達到10億、100億數據量；并發量也進一步增加，達到每秒10萬吞吐；業務個性也逐步增加的時候，就需要自研搜索引擎了，定制化實現搜索內核了。

?

三、數據量、并發量、擴展性方案

到了定制化自研搜索引擎的階段，超大數據量、超高并發量為設計重點，為了達到“無限容量、無限并發”的需求，架構設計需要重點考慮“擴展性”，力爭做到：增加機器就能擴容（數據量+并發量）。

?

58同城的自研搜索引擎E-search初步架構圖如下：

?

（1）上層proxy（粉色）是接入集群，為對外門戶，接受搜索請求，其無狀態性能夠保證增加機器就能擴充proxy集群性能

（2）中層merger（淺藍色）是邏輯集群，主要用于實現搜索合并，以及打分排序，業務相關的rank就在這一層實現，其無狀態性也能夠保證增加機器就能擴充merger集群性能

（3）底層searcher（暗紅色大框）是檢索集群，服務和索引數據部署在同一臺機器上，服務啟動時可以加載索引數據到內存，請求訪問時從內存中load數據，訪問速度很快

（3.1）為了滿足數據容量的擴展性，索引數據進行了水平切分，增加切分份數，就能夠無限擴展性能，如上圖searcher分為了4組

（3.2）為了滿足一份數據的性能擴展性，同一份數據進行了冗余，理論上做到增加機器就無限擴展性能，如上圖每組searcher又冗余了2份

?

如此設計，真正做到做到增加機器就能承載更多的數據量，響應更高的并發量。

?

三、總結

為了滿足搜索業務的需求，隨著數據量和并發量的增長，搜索架構一般會經歷這么幾個階段：

（1）原始階段-LIKE

（2）初級階段-全文索引

（3）中級階段-開源外置索引

（4）高級階段-自研搜索引擎

?

你的搜索架構到了哪一個階段？數據量、并發量、好的經驗歡迎分享？

?

歡迎留言，有問必答。

如果有收獲，歡迎幫轉。

?

四、下章預告

實時搜索引擎核心技術，站長發布1個新網頁，Google如何做到15分鐘后檢索出來。?

==【（中）完】==

轉載于:https://www.cnblogs.com/davidwang456/p/7550098.html

總結

以上是生活随笔為你收集整理的就是这么迅猛的实现搜索需求--转的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。