ElasticSearch Bulk 源码解析-白红宇

本来应该先有这篇文章,后有才对。不过当时觉得后面一篇文章会更有实际意义一些，所以先写了后面那篇文章。结果现在这篇文章晚了20多天。

前言

,有利于你把握ElasticSearch接受处理请求的脉络。对于RPC类的调用，我会在后文简单提及，只是endpoint不一样，内部处理逻辑还是一样的。这篇只会讲IndexRequest,其他如DeleteRequest,UpdateRequest之类的，我们暂时不涉及。

类处理路径

RestBulkAction ->             TransportBulkAction ->                        TransportShardBulkAction

其中TransportShardBulkAction比较特殊，有个继承结构：

TransportShardBulkAction < TransportReplicationAction < TransportAction

主入口是TransportAction，具体的业务逻辑实现分布到子类(TransportReplicationAction)和孙子类(TransportShardBulkAction)里了。

另外，我们也会提及org.elasticsearch.index.engine.Engine相关的东西，从而让大家清楚的了解ES是如何和Lucene关联上的。

RestBulkAction

入口自然是org.elasticsearch.rest.action.bulk.RestBulkAction,一个请求会构建一个BulkRequest对象,BulkRequest.add方法会解析你提交的文本。对于类型为index或者create的(还记得bulk提交的文本格式是啥样子的么？)，都会被构建出IndexRequest对象，这些解析后的对象会被放到BulkRequest对象的属性requests里。当然如果是update,delete等则会构建出其他对象，但都会放到requests里。

public class BulkRequest extends ActionRequest
     
       implements CompositeIndicesRequest {    //这个就是前面提到的requests    final List
      
        requests = new ArrayList<>();  //这个复杂的方法就是通过http请求参数解析出//IndexRequest,DeleteRequest,UpdateRequest等然后放到requests里public BulkRequest add(BytesReference data, @Nullable String defaultIndex, @Nullable String defaultType, @Nullable String defaultRouting, @Nullable String[] defaultFields, @Nullable Object payload, boolean allowExplicitIndex) throws Exception {        XContent xContent = XContentFactory.xContent(data);        int line = 0;        int from = 0;        int length = data.length();        byte marker = xContent.streamSeparator();        while (true) {

接着通过NodeClient将请求发送到TransportBulkAction类（回忆下之前文章里提到的映射关系，譬如 TransportAction，两层映射关系解析）。对应的方法如下：

//这里的client其实是NodeClientclient.bulk(bulkRequest, new RestBuilderListener
     
      (channel) {TransportBulkAction

看这个类的签名：

public class TransportBulkAction extends HandledTransportAction
     
       {

实现了HandledTransportAction，说明这个类同时也是RPC接口的逻辑处理类。如果你点进HandledTransportAction就能看到ES里经典的messageReceived方法了。这个是题外话

该类对应的入口是:

protected void doExecute(final BulkRequest bulkRequest, final ActionListener
     
       listener) {

这里的bulkRequest 就是前面RestBulkAction组装好的。该方法第一步是判断是不是需要自动建索引，如果索引不存在，就自动创建了。

接着通过executeBulk方法进入原来的流程。在该方法中，对bulkRequest.requests 进行了两次for循环。

第一次判定如果是IndexRequest就调用IndexRequest.process方法，主要是为了解析出timestamp,routing,id,parent 等字段。

第二次是为了对数据进行分拣。大致是为了形成这么一种结构：

//这里的BulkItemRequest来源于 IndexRequest等Map[ShardId, List[BulkItemRequest]]

接着对新形成的这个结构(ShardId -> List[BulkItemRequest])做循环，也就是针对每个ShardId里的数据进行统一处理。有了ShardId,bulkRequest,List[BulkItemRequest]等信息后，统一封装成BulkShardRequest。从名字看就很好理解，就是对属于同一ShardId的数据构建一个新的类似BulkRequest的对象。

接着就到TransportShardBulkAction,TransportReplicationAction,TransportAction 三代人出场了：

//这里的shardBulkAction 是TransportShardBulkActionshardBulkAction.execute(bulkShardRequest, new ActionListener
     
      () {TransportReplicationAction/TransportShardBulkActionTransportAction是一个通用的主类，具体逻辑还是其子类来实现。虽然前面提到shardBulkAction是TransportShardBulkAction,但其实流程逻辑还是TransportReplicationAction来完成的。入口在该类的doExecute方法:@Override    protected void doExecute(Request request, ActionListener
      
        listener) {        new PrimaryPhase(request, listener).run();    }

我们知道在ES里有主从分片的概念，所以一条数据被索引后需要经过两个阶段：

将数据写入Primary(主分片)

将数据写入Replication(从分片)

至于为什么不直接从Primary进行复制，而是将数据分别写入到Primary和Replication我觉得主要考虑如果一旦Primary是损坏的，不至于影响到Replication（考虑下，如果Primary是损坏的文件，然后所有的Replication如果是直接复制过来，就都坏了）。

又扯远了。我们看到doExecute 首先是进入PrimaryPhase阶段，也就是写主分片。

Primary Phase

在PrimaryPhase.doRun方法里，你会看到两行代码

final ShardIterator shardIt = shards(observer.observedState(), internalRequest);final ShardRouting primary = resolvePrimary(shardIt);

其中这个ShardIterator是类似 shardId->ShardGroup 的结构。不管这个shardId是什么，它一定是个Replication或者Primary的shardId, ShardGroup 就是Replication和Primary的集合。resolvePrimary方法则是遍历这个集合，然后找出Primary的过程。

知道Primary后就可以判断是转发到别的Node或者直接在本Node处理了：

routeRequestOrPerformLocally(primary, shardIt);

如果Primary就在本节点，直接就处理了：

//我去掉了一些无关代码哈if (primary.currentNodeId().equals(observer.observedState().nodes().localNodeId())) {                try {                    threadPool.executor(executor).execute(new AbstractRunnable() {                         @Override                        protected void doRun() throws Exception {                            performOnPrimary(primary, shardsIt);                        }            }

这里用上了线程池。前面对每个shardId对应的数据集合做处理，其实是顺序循环执行的，这里实现了将数据处理异步化。

在performOnPrimary方法中，BulkShardRequest被转化成了PrimaryOperationRequest,理由也很简单，更加specific了，因为就是针对主分片的Request。接着进入shardOperationOnPrimary 方法,该方法是在孙子类TransportShardBulkAction类里实现的。

protected Tuple
     
       shardOperationOnPrimary(ClusterState clusterState, PrimaryOperationRequest shardRequest) {

到该方法，有两个比较重要的概念会出现：

//伟大的版本号，实现了对并发修改的支持long[] preVersions = new long[request.items().length];VersionType[] preVersionTypes = new VersionType[request.items().length];//事物日志，为Shard Recovery以及//避免过多的Index Commit做出突出贡献，//同时也是是实现了GetById的实时性Translog.Location location = null;

上面两个概念成就了ES从一个简单的全文检索引擎到类No-SQL的转型(好吧，我好像又扯远了)

接着就是for循环了：

//这里的request是BulkShardRequest//对应的items则是BulkItemRequest集合for (int requestIndex = 0; requestIndex < request.items().length; requestIndex++) {

循环会根据BulkItemRequest的不同类型而有了分支。其实就是

IndexRequest,DeleteRequest,UpdateRequest,我们这里依然只讨论IndexRequest。如果发现BulkItemRequest是IndexRequest,进行如下操作：WriteResult
     
       result = shardIndexOperation(request, indexRequest, clusterState, indexShard, true);

shardIndexOperation里嵌套的核心方法是executeIndexRequestOnPrimary,该方法第一步是获取到Operation对象,

Engine.IndexingOperation operation = prepareIndexOperationOnPrimary(shardRequest, request, indexShard);

Engine对象是比较底层的一个对象了，是对Lucene的IndexWriter，Searcher之类的封装。这里的Engine.IndexingOperation对应的是Create或者Index类。你可以把这两个类理解为待索引的Document,只是还带上了动作。

第二步是判断索引的Mapping是不是要动态更新，如果是，则更新。

第三步执行实际的建索引操作：

final boolean created = operation.execute(indexShard);

operation.execute 额外引出的话题

我们会暂时深入到operate.execute方法里，但这个不是主线，看完后记得回到上面那行代码上。

刚才我们说了operation可能是Create或者Index,我们会以Create为主线进行分析。所谓Create和Index，你可以理解为一个待索引的Document,只是带上动作的语义。

上面对应的execute 方法签名是：

@Overridepublic boolean execute(IndexShard shard) {     shard.create(this);    return true;}

我们看到这里是反向调用indexShard对象的create方法来进行索引的创建。我们来看看IndexShard的create方法：

//我依然做了删减,体现一些核心代码public void create(Engine.Create create) {                engine().create(create);    }

engine()方法返回的是InternalEngine实例，InternalEngine .innerCreate方法执行到构建索引的操作。这个方法值得分析一下，所以我就贴了一坨的代码。

private void innerCreate(Create create) throws IOException {        if (engineConfig.isOptimizeAutoGenerateId() && create.autoGeneratedId() && !create.canHaveDuplicates()) {            // We don't need to lock because this ID cannot be concurrently updated:            innerCreateNoLock(create, Versions.NOT_FOUND, null);        } else {            synchronized (dirtyLock(create.uid())) {                final long currentVersion;                final VersionValue versionValue;                versionValue = versionMap.getUnderLock(create.uid().bytes());                if (versionValue == null) {                    currentVersion = loadCurrentVersionFromIndex(create.uid());                } else {                    if (engineConfig.isEnableGcDeletes() && versionValue.delete() && (engineConfig.getThreadPool().estimatedTimeInMillis() - versionValue.time()) > engineConfig.getGcDeletesInMillis()) {                        currentVersion = Versions.NOT_FOUND; // deleted, and GC                    } else {                        currentVersion = versionValue.version();                    }                }                innerCreateNoLock(create, currentVersion, versionValue);            }        }    }

首先，如果满足如下三个条件就无需进行版本检查：

index.optimize_auto_generated_id 被设置为true(默认是false,话说注释上说是默认是true,但是我看着觉得像是false)

id设置为自动生成(没有人工设置id)

create.canHaveDuplicates == false ，该参数一般是false

提这个是主要为了说明，譬如一般的运维日志啥的，就不要自己生成ID了，采用自动生成的ID,可以跳过版本检查，从而提高入库的效率。

第二个指的说的是，如果对应文档在缓存中没有找到(versionMap),那么就会由如下的代码执行实际磁盘查询操作：

currentVersion = loadCurrentVersionFromIndex(create.uid());

通过对比create对象里的版本号和从索引文件里加载的版本号，最终决定是进行update还是create操作。

在innerCreateNoLock 方法里，你会看到熟悉的Lucene操作，譬如：

indexWriter.addDocument(index.docs().get(0));//或者indexWriter.updateDocument(index.uid(), index.docs().get(0));

现在回到TransportShardBulkAction的主线上。执行完下面的代码后：

final boolean created = operation.execute(indexShard);

就能获得对应文档的版本等信息，这些信息会更新对应的IndexRequest等对象。

到目前为止，Primay Phase 完成,接着开始Replication Phase

replicationPhase = new ReplicationPhase(shardsIt, primaryResponse.v2(), primaryResponse.v1(), observer, primary, internalRequest, listener, indexShardReference);finishAndMoveToReplication(replicationPhase);

最后一行代码会启动replicationPhase阶段。

Replication Phase

Replication Phase 流程大致和Primary Phase 相同,就不做过详细的解决，我这里简单提及一下。

ReplicationPhase的doRun方法是入口，核心方法是performOnReplica,如果发现Replication shardId所属的节点就是自己的话，异步执行shardOperationOnReplica，大体逻辑如下：

threadPool.executor(executor).execute(new AbstractRunnable() {                        @Override                        protected void doRun() {                            try {                                shardOperationOnReplica(shard.shardId(), replicaRequest);                                onReplicaSuccess();                            } catch (Throwable e) {                                onReplicaFailure(nodeId, e);                                failReplicaIfNeeded(shard.index(), shard.id(), e);                            }                        }

在Replication阶段，shardOperationOnReplica 该方法完成了索引内容解析，mapping动态新增，最后进入索引(和就是前面提到的operation.execute)等动作，所以还是比Primary 阶段更紧凑些。

另外，在Primary Phase 和 Replication Phase, 一个BulkShardRequest 处理完成后(也就是一个Shard 对应的数据集合)才会刷写Translog日志。所以如果发生数据丢失，则可能是多条数据。

总结

这篇文章以流程分析为主，很多细节我们依然没有讲解详细，比如Translog和Version。这些争取能够在后续文章中进一步阐述。另外错误之处在所难免，请大家在评论处提出。