摘要：本文整理自阿里巴巴资深技术专家邓万禧在 阿里云Elasticsearch 自研引擎年度发布 的演讲。主要内容包括：
- 年度回顾
- 泛日志场景机会与挑战
- Elasticsearch 日志 Serverless 服务1.0
一 、年度回顾
1、Elasticsearch（简称 ES）发展进程：
a. 2018年：Elasticsearch 上云
- 兼容开源版本，开箱即用；
- 多集群运管效率提升；
b. 2019年：ELK 生态组件全托管
- Elasticsearch5.5/6.3/6.7/7.4云上多版本发布；
- Beats/Logstash/Kibana 云上全托管服务；
c. 2020年：APack 引擎通用增强
- 计算存储分离架构；
- 索引压缩插件；
- 时序查询剪枝；
- 物理复制插件；
- Faster-bulk；
d. 2021年：日志增强版
- IndexingService：写入 Serverless 服务；
- 自研海量存储引擎1.0：存储 Serverless 服务；
- Elasticsearch TSDB 时序引擎(与社区共建)；
e. 2022：日志 Serverless 服务
- APack2.0日志执行引擎；
- 自研海量存储引擎2.0：智能冷热存储；
- 云原生数据采集。
2、发展阶段
在2020年以前，Elasticsearch 主要是进行产品通用能力的建设：
- ES 产品功能丰富，适用场景广泛，客户分布在多个甚至十多个集群，通用增强能给客户提供更好的体验，比如配置管理、监控报警、插件管理等；
- ES 生态组件丰富，希望客户能得到一站式体验，从而降低使用成本；
- 在不影响客户兼容性的情况下，增强 ES 引擎的能力，因此通过插件中心发布查询分析、稳定性增强、写入优化、监控报警等二十多个插件；
通过以上三方面工作，从管控、生态、内核三方面全面增强阿里云 ES 产品能力，解决 ES 企业级客户上云提效的需求。
2020年以后，随着上云客户对降低成本的需求，ES 重点针对日志场景提供日志增强版，集成 Indexing Service 和自研海量存储引擎子产品解决日志场景需求。
二、泛日志场景机会与挑战
企业数字化转型过程中，大量企业通过 Elasticsearch 满足日志检索、存储、归档审计的需求。
1、泛日志场景的挑战
随着企业数字化转型和互联网企业对数据安全的关注，泛日志数据管理需求愈发重要，如云原生服务及系统日志、安全审计、互联网企业的用户型分析等；同时 ELK 生态全观察功能也越来越丰富和完善，更多企业选择 ELK 开源生态来解决业务需求。泛日志场景的挑战主要有以下三个方面：
a. 高写入吞吐和弹性
千万级写入：客户将 ES 用于泛日志场景，首先解决的是数据接入问题，而日志场景经常是写多读少，很多客户的日志写入量都非常大，达到TB级以上，因此提供高吞吐写入，是 ES 首先要解决的问题；
快速扩展能力：此外还存在写入突增和峰谷差异大问题，比如由于扩容不及时造成写入拒绝；
稳定性保障：为保障线上服务的稳定性，需要相对专业的 ES 引擎支持，和对内部机制的理解；
b. 海量日志存储成本
包括长周期日志存储、数据冷热特点明显、归档存储需求等。
泛日志数据是典型的带时间属性的数据，数据规模会随着时间逐步累积，因此大中型客户的存储规模非常大，给 SRE 人员增加了额外的运维成本；
c. 分析性能瓶颈
如 Ad-hoc 查询、统计分析需求、多租户查询等。
泛日志场景查询通常是对数据进行多维度统计分析，这类查询的资源控制和性能会产生问题。
2、阿里云Elasticsearch 产品解决方案-日志增强版
针对上述挑战，阿里云 ES 推出日志增强版，在产品架构上引入了三个组件：Indexing Service、自研海量存储引擎和 APack。
a. Indexing Service
读写分离架构，一个超大的 ES 集群阵列，专做 Indexing Build，每个客户可灵活使用。
- 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；
b. 自研海量存储引擎
低成本索引存储，服务化多级存储及索引调度能力，无需关注存储介质。
- 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，集群扩展性有效提升；
- 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；
c. Apack，内核定制优化。
三、Elasticsearch 日志 Serverless 服务1.0
2022年，阿里云将ES日志增强版升级为日志 Serverless 服务产品，并正式发布日志 Serverless 服务1.0。
1、日志 Serverless 服务1.0的核心价值
a. 高吞吐：
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；
b. 性价比：
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；
c. 易运维：
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；
2、内核技术架构
在 ES 日志增强版技术架构中，最下层是云原生管控服务平台，上面是 Indexing Service、自研海量存储引擎和 APack。
a. 云原生管控服务平台：
解决资源管理、多租户调度、安全审计、企业级监控报警和智能诊断等问题，以提升客户产品运维体验。目前关注的问题主要是变更效率，包括：可灰度、可监控和可回滚三个核心问题；
b. Indexing Service 索引构建服务：
主要解决高吞吐和弹性问题，通过读写分离架构，将Indexing Service作为独立服务，同时通过存算分离，独立Indexing Service所需资源，用户只需关注写入吞吐，按实际使用量付费。
平台的两个主要工作：
第一是通过物理和逻辑隔离，实现海量客户的多注入构建平台；第二，流式索引管理和资源管理，为客户提供按需扩容和按量付费的云原生 Serverless 能力；另外，还集成了内核增强特性，和针对阿里云的内核定制优化，以提升写入索引构建性能；
c. 自研海量存储引擎：
针对存储成本的思考，从冷数据存储出发，引入存算分离架构，冷存集成支持阿里云对象存储OSS，查询性能通过索引格式调优，多级 Cache 缓存和混合储存；
d. APack 执行引擎：
主要针对多租户查询 Serverless 服务，实现细密度查询租户控制和资源隔离，降低 SRE 集群管理难度和成本；另外根据自研海量存储引擎产品特性和日志查询特点，定制预读和剪枝策略，以提升查询性能。
3、服务特性：
a. 高性价比日志存储引擎
- 读写分离架构：快速弹性伸缩 + 降低资源冗余；
- 存算分离架构：基于 OSS 降低冷数据存储成本；
- 索引压缩：ZSTD 压缩、日志场景配置调优等；
- 性能优化：针对日志场景写入和查询分别定制优化；
b. 开箱即用的 Serverless 服务
- 独立索引构建服务：免运维、按写入吞吐量付费；
- 定制索引存储服务：
- 用户可按需购买：降低冗余的存储成本；
- 智能冷热分离：降低用户区分冷热的运维成本；
- 云原生管控服务：提升用户服务变更体验和效率。
END
阿里云 ES 团队积极参与社区建设，与 Elasticsearch 社区和国内团队紧密合作，基于 Elasticsearch 在云原生的实践，推出了包括开发者报告、Elasticsearch 全观测、技术解析等电子书，对 ES 感兴趣的朋友可以多多关注。同时，在 ES 社区也会有丰富的线上线下活动，欢迎大家参与。
