京东 ES 支持 ZSTD 压缩算法上线了: 高性能,低成本 | 京东云技术团队
1 前言
在《ElasticSearch 降本增效常见的方法》一文中曾提到过 zstd 压缩算法[1],一步一个脚印我们终于在京东 ES 上线支持了 zstd;我觉得促使目标完成主要以下几点原因:
Elastic 官方原因:zstd 压缩算法没有在 Elastic 官方的开发计划中;Elastic 的 licenes 变更,很多功能使用受限
ES 产品竞争力:提升京东 ES 产品在业界的竞争力,两大云友商和其他大厂都在陆续支持,在对外比拼的时候,我们需要提升我们这方面的能力
信创大背景:我们需要对开源组件有更好的自主管控和建设能力
京东零售 ES 与云 ES 产品融合:有更好的机会去打磨我们的 ES 内核
降本增效:ztsd 压缩算法,能够在降低存储成本的前提下,保证性能几乎不受损,写入性能还有所提升
2 测试结果
测试集群配置:4c8g; 3 个数据节点;
测试索引设置:3 主分片 1 副本
测试数据 mapping: keyword 字段 14 个,geo_point 字段 3 个,integer 字段 2 个,text 字段 1 个,date 字段:2 个,ip 类型字段 1 个,boolean 字段 1 个
在考虑到读写性能和压缩比均衡的情况下,我们推荐使用 jd_zstd(压缩等级 3):
jd_zstd(压缩等级 3)写入性能相对于 best_compression 提升 38.46%,相对于 lz 提升 5.88%;
jd_zstd(压缩等级 3)存储相对于 lz4 节省 24%,与 best_compression 基本持平,单位写的 gb 实际是要比 best_compression 的存储量小。
下表为 es6.8.23 版本,在 cpu 压测到 100%时,不通压缩算法下 ES 的 bulk、termquery、rangequery、matchquery 等 TPS 以及压缩比测试结果:
注意⚠️:测试数据仅供参考,实际情况与用户数据有关
3 适用场景
4 使用方法
云上ES等待上线后,可以进行申请
目前我们暂时只在内部泰山零售 ES 上线,支持 7.X 和 6.8.23 版本;后续会在云舰 ES 和公有云 ES 上线,由于 licenes 的限制,我们将只推出 6.8.23 版本。
Q1: 如何申请?
**A1:**内部用户:之前在泰山平台申请的杰斯 ES,如果使用的是 7.X 和 6.8.23,可以选择版本升级到最新版本。新建集群,直接提工单申请
Q2 ztsd 如何使用?
A2:我们在 ES 中支持两种 zstd 压缩等级,用户可以根据自己的业务和数据特性选择合适的压缩等级; ES 创建索引时指定 index.codec:jd_zstd(压缩等级为 3)或者 jd_zstd_6(压缩等级为 6)即可,其余没有其他任何特殊之处。
注意⚠️:index.codec 的压缩算法不支持动态修改,必须创建索引时设定好。
5 技术实现
首先我们介绍下 ES 与 Lucene 的关系;如下图所示,在集群层面:一个 ES 集群由多个节点组成。数据层面:1 个索引是由多个分片组成的,一个分片可以看是一个 Lucene 实例;一个分片包含多个 segement,一个 segement 即一组数据的最小单元,包含很多的数据文件。
5.1 Lucene 文件
lucene[2]的数据文件主要由以下文件组成:
上述的文件大致可以分为以下几类:
行存相关文件:主要包括原文存储文件.fdt 和原文索引文件.fdx。用户写入的原始数据都被存储于.fdt,占比是最大的,Lucene 在原文存储上支持 LZ4 和 ZIP(best_compression)压缩。在写入数据时,ES 把 doc 原始数据的整个 json 结构体当做一个 string,存储为_source 字段,因此原文存储文件.fdt 中_source 字段占比最大;部分场景为了节省磁盘存储,直接将该字段关闭,数据查询时仍可通过 ES 的 docvalue_fields 获取所有字段的值;
注意⚠️:关闭_source 后, update, update_by_query, reindex 等功能无法正常使用,因此有 update 等需求的索引不能关闭_source.
列存相关文件:.dvd 文件,常用于 OLAP 分析,ES 使用列存来支持 sorting, aggregations 和 scripts 功能。不同文档 Document 中的同一列(Field)数据相邻存放,加速列聚合分析性查询。相邻每列类型相同,在存储的时候可以进行统一性的编码优化,提高压缩率,减少存储磁盘空间的占用。ES 中字段使用 doc_values 字为 true,即为开启列存储。
索引相关文件:主要文件包括字典数据文件.tim 和倒排索引.doc 文件。ES 依靠分词器产生倒排索引,从而具备强大的全文检索能力。索引配置分词器后,将从摄入文档数据中提取分词信息并存储于.tim 文件。同一列的分词信息相邻存放,按块组织;.doc 文件也被称为"倒排拉链表",记录每一个词项所关联的文档 id 列表,实现词项到文档的快速倒排查找。倒排索引也会进行压缩,其压缩算法主要有 Frame Of Reference、Roaring Bitmap 和 fst 等。
向量数据文件:矢量索引 tvx 和矢量数据.tvd 文件,支持以图搜图,和音频的查找等。通过对摄入实体进行矢量化,然后使用向量搜索算法进行检索。相关向量搜索算法有 HNSW[3],近似向量搜索knn[4];elastic 公司在今年 5 月份左右推出用于人工智能的 Elasticsearch相关性引擎ESRE[5]。
zstd 主要压缩为行存储相关文件.fdm、.fdt 和.fdx;如下代码块为压缩文件对比,可以看出在不同的压缩算法中,这几个文件的大小是不同的。
5.2 ES 侧实现
理论上来说 index.codec 支持的压缩算法最好下沉到 lucene 代码中,目前我们并没有维护 lucene 代码,因此我们直接 ES 侧面代码实现。
zstd[1]算法是基于 C++实现,而 ES 是基于 java 编写,因此借助开源的力量,引入 zstd-jni 来实现 zstd 压缩能力.
在 ES 代码中编写自定义的 index.codec;扩展 CompressionMode 压缩模式,自定义实现 ZstdCompressor 压缩和 ZstdDecompressor 解压缩方法,可以在这设定 zstd 的压缩等级以及控制读写数据块大小;最后通过 java 的 spl 机制实现加载我们自定义的压缩算法实现类
在 server/src/main/resources/META-INF/services/org.apache.lucene.codecs.Codec 文件中定义如下.
注意⚠️:由于 ES 节点启动的时候,有 security 检查机制,因此我们需要在 server/src/main/resources/org/elasticsearch/bootstrap/security.policy 文件中添加代码权限授权策略
6 参考文档
[1] https://github.com/facebook/zstd
[3] Y. Malkov, D. Yashunin,Efficient and robust approximate nearest neighbor search using Hierarchical Navigable Small World graphs(2016), IEEE Transactions on Pattern Analysis and Machine Intelligence
[4] https://www.elastic.co/guide/en/elasticsearch/reference/current/knn-search.html#approximate-knn
[5] https://mp.weixin.qq.com/s/awxgy9pSgv0lVPTfvzfxBw
[6] https://mp.weixin.qq.com/s/dmJwEpl6CWtv-MLdvR7g
作者:京东科技 杨松柏
来源:京东云开发者社区 转载请注明来源
评论