滴滴基于 ElasticSearch 的一站式搜索中台实践

滴滴基于 ElasticSearch 的一站式搜索中台实践

ElasticSearch 是基于 Lucene 实现的分布式搜索引擎,提供了海量数据实时检索和分析能力。滴滴从 2016 年 4 月开始组建团队,解决 ElasticSearch 在使用过程中遇到的性能问题。并且,随着业务体量的发展,滴滴构建了基于 ElasticSearch 的一站式搜索平台。InfoQ 邀请到了滴滴出行高级专家工程师、QCon 全球软件开发大会(广州站)讲师张亮,请他聊聊滴滴如何基于 ElasticSearch 打造存储成本低、系统稳定性好,易用的搜索中台。

ElasticSearch 在滴滴的应用场景

滴滴自 2016 年 4 月开始组建团队,解决 ElasticSearch 在使用过程中遇到的性能问题。搜索平台的建设是随着业务体量的发展逐步演进的,如今已经发展到有超过 3500+ ElasticSearch 实例, 5PB 的数据存储,峰值写入 TPS 超过了 2000W/S 的超大规模,每天近 10 亿次检索查询。

ElasticSearch 在滴滴有着非常丰富的应用场景:

  • 为线上核心搜索业务提供引擎支持;
  • 作为 RDS 从库,海量数据检索需求;
  • 解决公司海量日志检索问题;
  • 安全场景提供数据分析能力。

不同场景业务方对写入的及时性、查询的 RT、整体稳定性的要求都是不一样的,我们对平台提供的服务抽象为索引模板服务,用户可以自助开通相应的服务。

滴滴基于 ElasticSearch 的一站式搜索中台实践

我们内部经过压测、线上调优以及引擎的一些优化,已经将最佳实践,沉淀到标准的 Docker 镜像中,个性化的需求都在索引模板的服务级别进行设置与管控,部分优化如下:

滴滴基于 ElasticSearch 的一站式搜索中台实践

平台稳定性面临的风险与挑战

超大的集群规模和丰富的场景给滴滴 ElasticSearch 平台带来了极大的风险与挑战。主有以下几个方面:

  • 线上业务场景
  • 稳定性要求至少 99.99%,对查询的 90 分位性能抖动敏感;
  • 架构层面需要支持多活的需求,对数据的一致性与及时性都有要求,必须保证数据的最终一致性,数据更新秒级可见;
  • 不同线上业务,插件需求、索引分片规则都是多样化的;
  • 众多独立集群如何快速平滑地进行滚动升级,保障的线上业务无影响。
  • 准线上业务场景
  • 离线快速导入时效性要求分钟级,实时导入 10 亿条数据需要 5 个小时,导入时在线资源消耗严重,线上服务基本不可用,导入成本消耗过大;
  • 查询的多样性,14W+ 查询模板,单索引最高有 100+ 应用同时查询,在多租户场景下,如何保证查询的稳定性。
  • 安全与日志场景
  • 千万级别数据每秒的实时写入,PB 级日志数据的存储,对大规模 ElasticSearch 的集群提出诉求,但 ElasticSearch 有自己的元信息瓶颈,详见团队同学的分享:https://www.infoq.cn/article/SbfS6uOcF_gW6FEpQlLK;
  • 查询场景不固定,单个索引几百亿级别的数据体量,需要保障不合理查询对集群与索引的稳定性风险可控;
  • PB 级存储,查询频率低,但查询的时效性要求 S 级别返回,全部基于 SSD 盘,成本太高,需要在查询体验没有太大变化的情况下,降低整体的存储成本。

那么,如何解决这些问题呢?欢迎到 QCon 全球软件开发大会(广州站)现场与我面对面交流。

如何打造“存储成本低”的搜索中台

目前,在日志与安全分析场景下,存储成本压力很大,属于典型的“写多查少”的场景,我们对存储成本的耗散点进行了深入的分析,整体情况如下:

滴滴基于 ElasticSearch 的一站式搜索中台实践

针对资源耗散点,我们在架构层面进行了优化,整体成本降低了 30%,累积节省了 2PB 的存储,分别从以下几个方面进行了优化

  • 存储索引分离:日志原文与索引进行分开存储

滴滴基于 ElasticSearch 的一站式搜索中台实践

  • 不合理的索引字段 Mapping 自动优化

滴滴基于 ElasticSearch 的一站式搜索中台实践

  • 冷热数据进行了分级存储

滴滴基于 ElasticSearch 的一站式搜索中台实践

  • ES On Docker&Ceph 改造

滴滴基于 ElasticSearch 的一站式搜索中台实践

未来发展规划

基于 ElasticSearch 的搜索中台给用户带来的收益

  • 服务了超过 1200+ 平台业务方,其中 20+ 线上 P0 级应用,200+ 准实时应用;
  • 索引服务接入效率从原来的两周降低到 5 分钟;
  • 服务稳定性有保障:线上场景 99.99%,日志场景 99.95%;
  • 高频运维操作一键自助完成,90% 的问题,5 分钟完成定位;
  • 整体存储成本是业内云厂商的 1/3。

不足点

  • 目前滴滴 90% 的集群还是在 ElasticSearch 2.3.3 版本,内部修复的 BUG 与优化,无法跟社区进行同步;
  • 目前通过 ES-GateWay 的方式支持了多集群方案很好的满足了业务发展的需求,但是集群变多之后的,版本维护与升级、整体资源利用率提升、容量规划都变得非常艰难。

发展规划

  • 解架构之“熵”
  • 突破引擎元数据瓶颈,提升运维效率,降低成本 ->ES - Federation;
  • GateWay 能力插件式下沉引擎,减少中间环节,与社区融合,优化性能。
  • 提引擎迭代效率
  • 100 个节点集群滚动重启时长从 2 天提升至 1 小时;
  • 架构层面解决跨大版本升级之“痛” 2.2.3 -> 6.6.1 http restful。
  • 聚焦价值问题
  • 多租户查询、CBO、RBO 的查询优化器建设;
  • 数据体系化 -> 数据智能化;
  • 基于 Ceph、Docker 改造 ElasticSeach,支持 Cloud Native 的存储计算分离。

嘉宾简介

张亮,滴滴出行高级专家工程师

曾任华为南研所网盘研发工程师;2014 年 4 月至今任职滴滴出行大数据架构部高级专家工程师。在滴滴任职 5 年,经历从无到有组建团队,主持构建过任务调度系统、业务监控系统、链路跟踪与诊断系统、数据同步中心等架构设计与研发工作,目前在负责数据通道、kafka 服务、数据检索的引擎建设工作,具有丰富的高并发、高吞吐场景的架构设计与研发经验。

另外,张亮将在 5 月 27-28 日的 QCon 全球软件开发大会(广州站)上分享「PB 级数据检索平台 | ElasticSearch 在滴滴的实践」,会有更多干货内容,感兴趣的同学可以到现场与张亮老师面对面交流。目前,大会倒计时 10 天,日程已经上线,所剩席位已经不多,想参与的小伙伴抓紧时间抢票锁定席位啦!有任何购票问题,欢迎咨询票务小助手鱼丸:13269078023(微信同号)。

滴滴基于 ElasticSearch 的一站式搜索中台实践

更多详情欢迎点击了解更多

相关推荐