limjunho

What is Elasticsearch?

 
  • Jan 07, 2021

Elasticsearch는 Apache Lucene( 아파치 루씬 ) 기반의 Java 오픈소스 분산 검색 엔진이다.

  • 루씬은 자바 언어로 이루어진 정보 검색 라이브러리 자유-오픈 소스 소프트웨어이다.

Elasticsearch를 통해 루씬 라이브러리를 단독으로 사용할 수 있게 되었으며, 방대한 양의 데이터를 신속하게, 거의 실시간( NRT, Near Real Time )으로 저장, 검색, 분석할 수 있다.

Elasticsearch는 검색을 위해 단독으로 사용되거나 ELK스택으로 사용되기도 한다.

send me email if you have any questions.

ELK스택

ELK(Elasticsearch, Logstatsh, Kibana)스택이란

  • Logstatsh
    • 다양한 소스(DBm csv파일 등)의 로그 또는 트랜잭션 데이터를 수집, 집계, 파싱하여 Elasticsearch로 전달
  • Elasticsearch
    • Logstash로부터 받은 데이터를 검색 및 집계를 하여 필요한 관심 있는 정보를 획득
  • Kibana
    • Elasticsearch의 빠른 검색을 통해 데이터를 시각화 및 모니터링

Elasticsearch와 RDB

RDB의 요소들과 Elasticsearch의 요소는 아래의 표와 같이 대응된다.
그림1

Elasticsearch 용어정리

그림1

  • 클러스터(cluseter)
    • 클러스터란 Elasticsearch에서 가장 큰 시스템 단위를 의미하며, 최소 하나 이상의 노드로 이루어진 노드들의 집합이다. 서로 다른 클러스터는 데이터의 접근, 교환을 할 수 없는 독립적인 시스템으로 유지되며 여러 대의 서버가 하나의 클러스터를 구성할 수 있고, 한 서버에 여러 개의 클러스터가 존재할수도 있다.
  • 노드(node)

    • Elasticsearch를 구성하는 하나의 단위 프로세스를 의미하며 그 역할에 따라 Master-eligible, Data, Ingest, Tribe 노드로 구분할 수 있다.

      • master-eligible node
        - 클러스터를 제어하는 마스터로 선택할 수 있는 노드. 여기서 master 노드가 하는 역할은 다음과 같다.
        1. 인덱스 생성, 삭제
        2. 클러스더 노드들의 추적, 관리
        3. 데이터 입력 시 어느 샤드에 할당할 것인지
      • Data node
        - 데이터와 관련된 CRUD 작업과 관련있는 노드. 이 노드는 CPU, 메모리 등 자원을 많이 소모하므로 모니터링이 필요하며, master 노드와 분리되는 것이 좋다.
      • Ingest node - 데이터를 변환하는 등 사전 처리 파이프라인을 실행하는 역할을 한다.
      • Coordination only node
        - data node와 master-eligible node의 일을 대신하는 이 노드는 대규모 클러스터에서 큰 이점이 있다. 즉 로드밸런서와 비슷한 역할을 한다.
  • 인덱스(index) / 샤드(Shard) / 복제(Replica)
    shard와 replica는 Elasticsearch에만 존재하는 개념이 아니라, 분산 데이터베이스 시스템에도 존재하는 개념이다.
    • index
      - RDBMS에서 database와 대응하는 개념
    • sharding
      - 데이터를 분산해서 저장하는 방법을 의미한다. 즉, Elasticsearch에서 scale out을 위해 index를 여러 shard로 쪼갠 것으로 기본적으로 1개가 존재하며, 검색 성능 향상을 위해 클러스터의 샤드 갯수를 조정하는 튜닝을 하기도 한다.
    • replica
      - 또 다른 형태의 shard라고 할 수 있다. 노드를 손실했을 경우 데이터의 신뢰성을 위해 샤드들을 복제하기 때문에 replica는 서로 다른 노드에 존재할 것을 권장합니다.

Elasticsearch 특징

  • Scale out
    • 샤드를 통해 규모가 수평적으로 늘어날 수 있다.
  • 고가용성
    • Replica를 통해 데이터의 안정성을 보장한다.
  • Schema Free
    • Json 문서를 통해 데이터 검색을 수행하므로 스키마 개념이 없다.
  • Restful
    • 데이터 CURD 작업은 HTTP Restful API를 통해 수행한다.
    Data CURD Elasticsearch Restful
    SELECT GET
    INSERT PUT
    UPDATE POST
    DELETE DELETE

inverted index(역색인)

Elasticsearch는 방대한 양의 데이터를 신속하게, 거의 실시간( NRT, Near Real Time )으로 저장, 검색, 분석할 수 있다고 소개했는데 그 이유는 inverted index(역색인)에 있다.

index와 inverted index의 차이
쉽게 말해 책에서 맨 앞에 볼 수 있는 목차가 index, 책 맨 뒤에 키워드마다 찾아볼 수 있도록 찾아보기가 inverted index.

Elasticsearch는 텍스트를 파싱해서 검색어 사전을 만든 다음에 inverted index 방식으로 텍스트를 저장한다.
각 단어들을 저장하고 대문자는 소문자처리(lowercase)처리하고, 유사어도 체크하는 등의 작업을 통해 텍스트를 저장한다. 때문에 RDBMS보다 전문검색(Full Text Search)에 빠른 성능을 보인다.

참조
https://www.slideshare.net/deview/2d1elasticsearch
https://github.com/exo-archives/exo-es-search
https://victorydntmd.tistory.com/308

© limjunho blog
Search