[转载] sensei分布式实时搜寻系统源码解析(二) 分布式Search的流程
看来自己很懒，发现前同事的sensei 研究了
转载： http://johnnychenjun.blog.163.com/blog/static/1374934062011621111441102/
接上节的SenseiServer相关的概念，想必对sensei里面从Server启动到各种server/client的概念有所了解了。本次间隔了一周多来记录一下sensei做分布式search的过程，一周来每次重新跟进去看这些代码每次都有一些新发现和新体会，希望与大家分享，也期望更多的开发者能够了解并加入到分布式实时搜索的讨论中来。
言归正传
sensei分布式搜索流程
1. jetty启动后初始化的SenseiHttpInvokerServiceServlet，接受请求，交由ClusteredSenseiServiceImpl的doQuery方法处理。
2. ClusteredSenseiServiceImpl中集成了_clusterClient是获取zookeeper信息的，也就是那些node可以提供查询服务。其中成员变量SenseiBroker具体来执行brower的方法
3. senseibroker是一个中间层，通过clusterClient与zookeeper的通信，获取当前提供服务的node信息，并且提供loadbalance的服务，将不同的request根据patition的均衡策略，下发到具体的执行node上
4. 每个Node上的senseiServer是提供本node服务的，其成员变量里_networkServer是提供本地node查询服务的。_clusterClient与zookeeper来注册或者移除本地node。
_networkServer注册了提供服务的SenseiCoreServiceMessageHandler，coreSenseiService才是实际提供service的类。每个node通过coreSenseiService执行本node的多个patition的查询结果，本地合并。
5. 各node将查询的结果反馈给senseibroker，在broker这个层级上进行了mergeResult。合并结果反馈给用户显示。
这个图由于工作机无visio就用Edraw画的，没想到导出还有这个trial的标签，凑合着看先。换了张不带trial的图，截图下来的，应该好点。该图上方的虚线以上是我加的，nginx来均衡负载至不同的jettyServer上，提供外部搜索服务的是jettyServer，而在sensei内部的分布式搜索的过程，上述jettyServer， senseibroker，searchNode都是虚拟的，用虚线框起来的部分其实是在一台物理机上。通过norbert框架来实现node的服务提供，broker与node之间的消息序列化和反序列化由protobuf提供。
上面流程是个概要，里面具体值得展开描述的部分，一个是所谓分布式的请求和负载均衡的实现；另一个是在每个node里多patition搜索的实现。
分布式请求的分发和负载均衡
流程3当中的分布请求的发送细节的过程其实是这样的：
a) senseiBroker 初始化的时候作为ClusterListener被加入到clusterClient里了，也就是说zookeeper发现有其他node改变的时候，都会通知到senseiBroker，从而其掌握了最新的patition和node的信息。
b) 进行分布搜索的调用的时候，首先通过_loadBalancer.route来对多个patition的分片数据进行路由，对每个patition指定对应的node，然后做个汇集，按照node聚合patition的信息。也就是确定，向哪个node
的哪几个分区进行搜索的请求。
c) 将req发送至不同的server上，此时的req发送至node时加入了patition的信息。也就是说从broker发送至node上的senseiRequest是带patition信息的。
d) Node上的networkserver接受到请求handlePartitionedRequest,由于req已经包含了partition的信息，AbstractSenseiCoreService在执行execute的时候会将分区信息交给readerFactory，_core.getIndexReaderFactory(partition);来获得
indexreader来进行查询。
那么loadbalance的策略是怎样的呢？Sensei提供了两种，默认是UniformPartitionedLoadBalancer，其实是随机的挑node，而RingHashLoadBalancer则是一致性hash的方式来挑，当然也可以自己定制loadbalance的策略。
单个Node的Search流程
然后再说 流程4中的一个node提供搜索的实现：
a） SenseiServer里的_networkServer接受到senseibroker的请求的时候，交给了coreSenseiService来执行请求。
b） AbstractSenseiCoreService在执行execute方法时，根据请求req中的patition信息来判断是否需要search本地的多个分区，如果查多分区的话，则根据要查的分区数目来进行了多线程的查询调用，该处使用了java concurrent包里面的多线程池来进行_executorService调用。如果只有一个分区就直接执行handleRequest。
c） handleRequest里面来调用handlePartitionedRequest进行每一片索引的查询。
本处值得注意的是在做分区索引查询的时候，首先获取了分区下所有的segmentReaders，采用SenseiIndexPruner来对这些segmentReaders进行裁剪。也就是说根据SenseiRequest中的一些参数来对segment进行选择，减少对segment的查询。不过默认是DefaultSenseiIndexPruner不做任何裁剪，但也可以通过BoboSelectionSenseiIndexPruner裁剪， 即通过只查询包含某个或某几个fact的segment，来减少search的查询时间。 当然还可以通过扩展indexPruner接口来实现适合自己应用的裁剪方案。
d） 裁剪后的validatedReaders来执行bobo的browse查询。
但这个地方做bobo裁剪本身是否效率高或者说是否值得，我想sensei的工程师也有doubt，所以代码中可以看到一个PruneTimer来记录该耗时。
几点细节
1. sensei中需要自己实现 queryBuilder，根据应用需求对从用输入的query转化为lucene中的query，AbstractSenseiCoreService在执行execute方法时将req中的query转为senseiQuery，并执行bobo的browse动作。
2. 分布查询请求发送分布问题
在发送分布式请求的时候，召回的count数的分布，sensei目前是执行的保守策略，前端需要从start获取offset条记录的时候，将向每一个patition发送start+offset条记录的请求。如，需要前5页数据，每页20条。则senseibroker会向每个patition发送从0，开始取100条的req，假设5个patition下来就是会收到500条记录的反馈，然后进行mergeresult，这个地方倒并未做优化。
建议：在我们的实际开发中，则可能通过一些策略或者patition的规则来进行start，offset的粗略计算预测100条的结果分布，这样通过减少需要merge的条目数来降低查询的负载。
３. 对于结果的merge有两种，我们上面看到在一个node的多patition涉及合并，在broker上合并来自多个node间的结果，因此也可以看到ResultMerger 的merge函数是带参数boolean onSearchNode，true为在node上的patition的合并，而false时是在broker上的各个node节点的合并。
4. 在sensei的各种执行的过程中，都会有详细的timer来记录执行时间，这点非常nice，如：PruneTimer，GetReaderTimer， SearchTimer，MergeTimer等，这些都是通过了Yammer开源的一个metric ，通过记录下这些状态信息后，通过JMX来进行调用来监控系统的状态。
总体上说来，sensei的search过程还是集中了很多的高并发，分布式，容错的内容在里面，也使用了多种开源的东东，如zookeeper，protobuf，netty，jetty，nobert，metric，zoie，bobo等。内容还是相当的丰富，对于学习分布式系统而言也很有意义。
下一部分内容，将对分布索引这块进行解读。