vlambda博客
学习文章列表

1、业务规模

阿里云Elasticsearch 业务（简称 ES），从2017年至今已经服务了几千个客户，数据规模达20PB，在公共云上拥有10000+集群，10W+节点规模，是一个成熟的云原生服务。

2、Elasticsearch 在日志场景通常会遇到的问题

在企业的数字化转型过程中会生成大量日志数据，企业通过 Elasticsearch 满足日志检索、存储、归档审计的需求，而这些需求归根结底都会落到成本的增加，体现在以下三个方面：

• 海量日志数据：

  日志和业务数据的根本区别在于，日志规模的大小与业务系统的复杂度相关，在业务量不大的情况下，也会生成海量日志数据，会产生大量的数据存储开销；

• 并发性能瓶颈：

  海量日志的采集、消费或存储，都会产生并发性能瓶颈，进而引发稳定性风险；

• 大规模集群：

  海量日志数据的检索、归档、监控等，需要维护复杂的运维系统，这样大规模的集群的运维复杂度风险较高；

3、风险解读

在正常情况下，流量到 ES 协调节点，然后将数据写入 Data Node；当流量变成正常情况的10倍时，对 ES 集群的压力就变得很大，一系列问题会接踵而来。

这种情况可以通过集群扩容的方式进行缓解，但扩容的同时又会产生新的问题：

a. 稳定性风险

• 事先演练扩容：扩容过程复杂，演练仿真度模拟困难，风险降低困难；

• 应急扩容：应急扩容对业务有不可逆的负面影响；

b. 运维复杂度风险

• 集群规模增加，硬件运维/系统运维成本倍数增加；

• 索引数据的管理复杂度增加，数据稳定性管理成倍增加；

c. 成本风险

• 流量波动日趋常态；

• ES 集群水位冗余量极大(50%以上)，成本冗余；

  
  

1、日志Serverless 服务能力解读

基于上述问题和风险，阿里云引入了两个新功能：

a. IndexingService

Indexing Service，是一个超大的 ES 集群阵列，专做 Indexing Build，每个客户可灵活使用，它具有以下特性：

• 高性能写入：ES 内核层优化，将单位资源写入性能提升了150%，并通过“削峰填谷”的云原生特性，为客户在单位时间内保留海量算力；

• 物理复制：通过 segment 级的实时物理复制，平均数据延迟在百毫秒级内；

• 异地容灾高可用：异地多活架构，服务本身的高可用性；

图中的灰色虚线内是用户的 ES 集群，当流量洪峰到来时，用户可以将流量转发至 Indexing Service 的 SLB 中进行 build index，然后通过 segment merge 的方式，回到用户 ES 集群的 Data Node。这样通过外部的云上弹性服务，减轻了用户 ES 集群压力，实现秒级弹性扩缩容的需求。

b. 自研海量存储引擎

自研海量存储引擎服务化，多级存储及索引调度能力，无需关注存储介质。服务化能力指用户无需为 ES 数据节点预留空间，可以做到按需存储数据，以解决资源冗余的问题，进而降低成本，它具有以下特性：

• 高查询性能：多级存储及 cache 优化，用更低的费用获得更优的 IOPS；

• 计算存储分离：存算资源完全解耦，提升索引迁移及恢复的速度，有效提升集群扩展性；

• 全自动索引生命周期管理：基于简单的索引周期配置，智能化托管索引生命周期调度的全过程；

• 异地容灾高可用：异地多活架构，存储服务本身的高可用性保障；

2、日志Serverless 服务价值解读

a. Serverless 日志写入服务：Indexing Service

通过读写分离架构，ES 集群的数据写入在云端服务进行托管加速，为用户实例和云端服务搭建桥梁，依托云端弹性计算能力，突破本地集群的物理资源限制。

对比开源 ELK 生态：

• 云端10倍写入弹性扩缩，并实现秒级切换；

• 计算资源降低50%以上，按需使用，按实际写入流量付费；

b. Serverless 日志存储服务：自研海量存储引擎

基于计算存储分离架构及多层存储介质混合，提供可靠的海量弹性低成本存储并保证查询性能，无须提前预留集群存储容量，根据实际数据的存储量按量计费。

• 超低存储成本：相较于普通云盘存储成本降低70%；

• 单集群 PB 级数据存储查询：相比 Searchable snapshot 查询，性能提升10倍，无须额外数据备份，长时间数据存储随时可查；

3、Elasticsearch 日志Serverless 服务发布

全球范围内首个在云上提供 Serverless 能力的云原生 Elasticsearch 服务，其核心价值体现在三个方面：

• 云端写入10倍能力提升，解决时序日志数据高并发写入瓶颈；

• 成本降低70%，优化集群计算/存储资源成本，提供按需使用，按实际流量/存储空间付费；

• 云原生Serverless，降低大规模集群运维复杂度，支持秒级弹性伸缩和全托管式免运维服务；

4、真实案例收益

a.  客户场景描述

汽车行业的 IT 系统，大多是分批建设，技术架构及系统复杂有历史包袱，IDC、多云架构比较普遍。新兴的业务部门，一方面需要满足政策合规要求，一方面希望对整体日志数据进行价值挖掘，通常会遇到如下问题：

• 新业务场景日志增量快：要有可靠的扩展效率；

• 日志数据规模超大：需要兼备低存储成本和高性能的要求；

• 历史包袱重：要有快速对接原有云上/云下的 IT 系统的能力；

• 未来应用场景复杂：未来人与车、车与车基、车与车等丰富的应用场景丰富，要能适配未来的变化；

b.  方案构架及价值点：

• 相同 ES 集群规模，提升近10倍写入能力；

• 相同业务流量，降低近70%计算成本；

• 100%的开源 Interface，与存量 IT 系统高效衔接；

• Elasticsearch 在安全、日志方向持续发力，未来应用场景将越来越丰富。

（阿里云Elasticsearch 技术演进图）

Elasticsearch 未来的发展会继续在云原生Serverless 上进行演进和迭代，在日志场景下优化成本，通过服务化的能力提升日志场景中的ES产品的易用性，帮助客户解决日志场景下前置日志链路上的问题。

同时，与 ES 社区就 Elasticsearch TSDB 时序引擎进行共建，相信很快可以在未来的 ES 新版本中推出 TSDB 能力。