Elasticsearch.

오늘은 Elasticsearch에 대한 기본적인 내용을 정리합니다.

Elasticsearch란?

Elasticsearch는 Apache Lucene(아파치 루씬)을 기반으로 한 Java 오픈소스 분산 검색 엔진입니다.

Elasticsearch는 방대한 양의 데이터를 거의 실시간(NRT, Near Real Time)으로 저장, 검색, 분석할 수 있습니다. 이러한 Elasticsearch는 검색을 위해 단독으로 쓰이기도 하며, ELK 스택으로 사용되기도 합니다.

먼저 Elasticsearch에 본격적으로 들어가기 앞서서, ELK란 (Elasticsearch, Logstatsh, Kibnana)을 의미합니다.

간단하게 ELK 스택을 설명하면 다음과 같습니다.

Logstash
- 다양한 소스(DB, csv파일 등)의 로그나 트랜잭션 데이터를 수집, 집계, 파싱하여 Elasticsearch로 전달합니다.
Elasticsearch
- Logstash로 받은 데이터를 검색 및 집계하여 필요한 관심 정보를 받습니다.
Kibana
- Elasticsearch의 검색 결과를 통해 데이터를 시각화하고 모니터링합니다.

Elasticsearch 용어 정의

논리적 구조

도큐먼트(Document)

Elasticsearch 데이터 최소 단위(RDBMS의 Row와 비슷)하고, JSON 오브젝트 중 하나입니다.
하나의 Document는 다양한 필드로 구성되어 있으며, Document 내부에 Document가 들어갈 수도 있습니다.

타입(Type)

여러개의 Document가 모여서 한 개의 Type을 이룹니다.(RDBMS의 테이블과 비슷)
Elasticsearch 7.0부터 사라졌습니다.

필드(Field)

Document에 들어가는 데이터 타입(RDBMS의 column)와 비슷합니다.
Elasticsearch의 필드는 RDBMS보다 동적입니다. 즉. 하나의 데이터 타임만 가질 수 있는 RDBMS와 달리, 하나의 필드가 여러개의 타입을 가질 수 있습니다.

매핑(Mapping)

매핑(Mapping)은 필드와 필드의 속성을 정의합니다.
매핑 정보에 여러가지 데이터 타입 지정이 가능하지만 필드명 자체는 중복이 불가능합니다.

인덱스(Index)

여러개의 Type이 모여 한 개의 Index를 이룹니다.(RDBMS의 Database와 비슷)
Elasticsearch 6.1 부터는 하나의 Index는 하나의 Type만 가집니다.(Database + Table과 비슷)
Elasticsearch를 클러스터(분산환경)을 구성하는 경우, Index는 여러 노드에 분산 저장 및 관리가 됩니다.
기본 설정은 5개의 Primary Shard와 1개의 Replica Shard로 생성됩니다. 옵션 값으로 변경 가능합니다.

물리적 구조

노드(Node)

노드는 Elasticsearch 클러스터에 포함된 단일 서버로서 데이터를 저장하고 클러스터의 색인화 및 검색 기능에 참여합니다. 노드는 클러스터처럼 이름으로 식별됩니다.
일반적으로 노드의 종류는 다음과 같습니다.
- 마스터 노드(Master node)
  - 클러스터 관리 노드
  - 노드 추가/제거, 인덱스 생성/삭제 등 클러스터의 전반적 관리를 담당합니다.
  - 여러개의 마스터 노드를 설정하면 하나의 마스터 노드로 작동됩니다.
  - elasticsearch.yml 에서 node.master:true로 설정합니다.
- 데이터 노드(Data node)
  - 데이터(Document)가 저장되는 노드
  - 물리적인 공간인 샤드가 배치되는 노드
  - 색인/검색/통계 등 데이터 작업 수행(리소스가 소모가 심해 모니터링이 필요합니다.)
  - 마스터와는 분리할 필요가 있습니다.
  - elasticsearch.yml의 node.data : true로 설정합니다.
- 코디네이팅 노드(Coordinating Node)
  - 사용자의 요청을 받고 Round Robin 방식으로 분산시켜주는 노드
  - 클러스터에 관련된 것은 마스터노드로, 데이터와 관련된 것은 데이터 노드로 넘깁니다.
  - elasticsearch.yml 내부의 노드 종류 관련 옵션을 전부 false로 설정합니다.
- 인제스트 노드(Ingest node) :
  - 문서 전처리 작업을 수행
  - 인덱스 생성 전 문서의 형식을 변경할 수 있습니다.
  - elasticsearch.yml의 node.ingest:true로 설정합니다.

샤드(Shard)

인덱스 내부에는 색인된 데이터들이 존재하며, 이 데이터들은 하나로 뭉쳐서 존재하지 않으며 물리적인 공간에 여러개의 부분들로 나눠 존재하는데 이 부분을 샤드라고 합니다.
Elasticsearch는 인덱스를 여러 샤드로 나누어 저장하기 때문에, 콘텐츠 볼륨의 수평 분할/확장이 가능하고 병렬화를 통해 성능 및 처리량을 늘릴 수 있습니다.
샤드는 프라이머리와 레플리카로 구분됩니다.
- Prmiary Shard
  - 데이터의 원본
  - 엘러스틱서치에서 데이터 업데이트 요청을 날리면 반드시 Primary Shard로 요청이 가고, 해당 내용은 Replica로 복제됩니다.
  - 검색 성능 향샹을 위해 클러스터의 샤드 갯수를 조절합니다.
- Replica Shard
  - Primary Shard의 복제품
  - 기존 원본 데이터가 무너졌을 때, 그 대신 쓰면서 장애 극복 역할은 수행
  - 기본적으로 Primary Shard와 동일한 노드에 배정되지 않습니다.

세그먼트(Segment)

세그먼트는 Elasticsearch에서 문서의 빠른 검색을 위해 설계된 자료구조
각 샤드는 다수의 세그먼트로 구성되어 있습니다.
Elasticsearch에서 데이터(Document)를 저장하면, 엘라스틱서치는 이것을 메모리에 모아두고 새로운 세그먼트를 디스크에 기록하여 검색을 refresh합니다. 이를 통해 새로운 검색 가능한 세그먼트가 만들어집니다.
샤드에서 검색 시, 각 세그먼트에서 검색하여 결과를 조합한 후 최종 결과를 해당 샤드의 결과로 리턴합니다.
세그먼트는 불변의 성질을 가지고 있어서 데이터가 업데이트되면, 삭제되었다는 마크만 하고 새로운 데이터를 가르킵니다. 삭제되었다고 마크된 데이터는 디스크에 남아있다가, 이후에 성능에 영향을 미치지 않는 선에서 삭제됩니다.

Elasticsearch의 특징

분산, 확장성, 병렬처리

Elasticsearch는 규모가 수평적으로 늘어나도록 설계하기 때문에, 더 많은 용량이 필요하면 그저 노드를 추가해서 클러스터가 인식할 수 있게 하여 추가적인 하드웨어로 이용할 수 있도록 하면 됩니다.
따라서 확장성 등에서 큰 이점을 가집니다. (같은 클러스터 내이고 초기설정이 그대로라면 노드끼리 연결되지만, 다른 클러스터에 있다면 설정을 해줘야합니다.)

고가용성

동작중에 죽은 노드를 감지하고 삭제하며 사용자의 데이터가 안전하고 접근가능하도록 유지합니다.
동작 중에 일부 노드에 문제가 생기더라도 문제없이 서비스를 제공합니다.

멀티 태넌시

클러스터는 여러개의 인덱스를 관리할 수 있습니다.
클러스터는 독립된 하나의 쿼리 또는 그룹 쿼리로 여러 인덱스의 데이터를 검색할 수 있습니다.

전문(Full text) 검색

Elasticsearch는 강력한 전문 검색을 지원합니다.

문서 중심

Elasticsearch는 복잡한 요소들을 구조화된 JSON 문서 형식으로 지원합니다.
모든 필드는 기본적으로 인덱싱되며, 모든 인덱스들은 단일 쿼리로 빠르게 사용할 수 있습니다.

Schema free

JSON 문서 구조를 통해서 데이터를 인덱싱하고 검색할 수 있습니다.
사용자의 데이터가 어떻게 인덱싱 될 것인지를 커스터마이징할 수 있습니다.

Restful api

HTTP를 통한 JSON형식의 간단한 RESTful API를 제공하여 여러 다른 API도 제공합니다.
- ex) Java, JS, Groovy, PHP, Perl, Python, Ruby 등등

마무리.

간단하게 내용적으로 Elasticsearch에 대해 정리했습니다. 다음에는 Elasticsearch를 직접 구현해보고, 또한 Kibana와 Logstatsh 등 ELK 스택에 대한 내용을 보충하여 정리하였습니다.

출처

# Search

[Elastic Search] Elastic Search란?