ElasticSearch讀寫的底層原理是什么

ElasticSearch讀寫的底層原理是什么，很多新手對(duì)此不是很清楚，為了幫助大家解決這個(gè)難題，下面小編將為大家詳細(xì)講解，有這方面需求的人可以來學(xué)習(xí)下，希望你能有所收獲。

ES寫入/查詢底層原理

Elasticsearch寫入數(shù)據(jù)流程

1.客戶端隨機(jī)選擇一個(gè)ES集群中的節(jié)點(diǎn)，發(fā)送POST/PUT請(qǐng)求，被選擇的節(jié)點(diǎn)為協(xié)調(diào)節(jié)點(diǎn)（coordinating node）2.協(xié)調(diào)節(jié)點(diǎn)查詢集群狀態(tài)信息并計(jì)算路由，將請(qǐng)求發(fā)送到真正處理請(qǐng)求的節(jié)點(diǎn)（primary shard所在的節(jié)點(diǎn)）3.包含primary shard的節(jié)點(diǎn)處理寫入請(qǐng)求，并將數(shù)據(jù)同步到包含replica shard的節(jié)點(diǎn)4.coordinating node收到包含primary shard的節(jié)點(diǎn)的響應(yīng)信息，將最終結(jié)果返回給Client端

Elasticsearch讀取數(shù)據(jù)流程

1.客戶端隨機(jī)選擇一個(gè)ES集群中的節(jié)點(diǎn)，發(fā)送GET請(qǐng)求，被選擇的節(jié)點(diǎn)為協(xié)調(diào)節(jié)點(diǎn)（coordinating node）2.協(xié)調(diào)節(jié)點(diǎn)查詢集群狀態(tài)信息并使用round-robin隨機(jī)輪詢算法計(jì)算出去此次請(qǐng)求的節(jié)點(diǎn)，將請(qǐng)求發(fā)送到真正處理請(qǐng)求的節(jié)點(diǎn)（主分片節(jié)點(diǎn)和副本節(jié)點(diǎn)隨機(jī)分配）3.處理讀請(qǐng)求的節(jié)點(diǎn)將數(shù)據(jù)返回給協(xié)調(diào)節(jié)點(diǎn)4.協(xié)調(diào)節(jié)點(diǎn)會(huì)把文檔信息返回給Client

Elasticsearch檢索數(shù)據(jù)流程

1.客戶端發(fā)送請(qǐng)求到一個(gè)協(xié)調(diào)節(jié)點(diǎn)2.協(xié)調(diào)節(jié)點(diǎn)將搜索請(qǐng)求轉(zhuǎn)發(fā)到所有的shard對(duì)應(yīng)的primary shard或replica shard也可以3.每個(gè)shard將自己的搜索結(jié)果（其實(shí)就是一些doc id），返回給協(xié)調(diào)節(jié)點(diǎn)，由協(xié)調(diào)節(jié)點(diǎn)進(jìn)行數(shù)據(jù)的合并、排序、分頁(yè)等操作，產(chǎn)出最終結(jié)果4.接著由協(xié)調(diào)節(jié)點(diǎn)，根據(jù)doc id去各個(gè)節(jié)點(diǎn)上拉取實(shí)際的document數(shù)據(jù)，最終返回給客戶端

這里需要注意，分頁(yè)查詢，當(dāng)from特別大時(shí)會(huì)造成大量無用數(shù)據(jù)返回到協(xié)調(diào)節(jié)點(diǎn)，謹(jǐn)慎使用。

數(shù)據(jù)索引底層原理

1.先寫入buffer，在buffer里的時(shí)候數(shù)據(jù)是搜索不到的；同時(shí)將數(shù)據(jù)寫入translog日志文件。2.如果buffer到達(dá)閾值，或者到一定時(shí)間，ES會(huì)將buffer中的數(shù)據(jù)refresh到一個(gè)新的segment file中，但是此時(shí)數(shù)據(jù)不是直接進(jìn)入segment file的磁盤文件的，而是先進(jìn)入os cache的。這個(gè)過程就是refresh。3.每隔1秒鐘，es就會(huì)將buffer中的數(shù)據(jù)寫入到一個(gè)新的segment file，因此每秒鐘產(chǎn)生一個(gè)新的磁盤文件（segment file），這個(gè)segment file中就存儲(chǔ)最近1秒內(nèi)buffer中寫入的數(shù)據(jù)。如果buffer里面此時(shí)沒有數(shù)據(jù)，就不會(huì)執(zhí)行refresh操作；如果buffer里面有數(shù)據(jù)，默認(rèn)1秒鐘執(zhí)行一次refresh操作，刷入一個(gè)新的segment file中。4.操作系統(tǒng)里面存在操作系統(tǒng)緩存（os cache），數(shù)據(jù)寫入磁盤文件之前會(huì)先進(jìn)入os cache，先進(jìn)入操作系統(tǒng)級(jí)別的一個(gè)內(nèi)存緩存中。只要buffer中的數(shù)據(jù)被refresh到os cache中，數(shù)據(jù)就可以被檢索到了。5.可以通過es的restful api或者java api，手動(dòng)執(zhí)行一次refresh操作，就是手動(dòng)將buffer中的數(shù)據(jù)刷入os cache中，讓數(shù)據(jù)立馬就可以被搜索到。只要數(shù)據(jù)被輸入os cache中，buffer就會(huì)被清空了，因?yàn)椴恍枰Ａ鬮uffer了，數(shù)據(jù)在translog里面已經(jīng)持久化到磁盤去一份了。

這里需要注意，分頁(yè)查詢，當(dāng)from特別大時(shí)會(huì)造成大量無用數(shù)據(jù)返回到協(xié)調(diào)節(jié)點(diǎn)，謹(jǐn)慎使用。

性能調(diào)優(yōu)

系統(tǒng)層面

系統(tǒng)層面的調(diào)優(yōu)主要是內(nèi)存的設(shè)定與避免交換內(nèi)存。ES 安裝后默認(rèn)設(shè)置的堆內(nèi)存是 1GB，這很明顯是不夠的，那么接下來就會(huì)有一個(gè)問題出現(xiàn)：我們要設(shè)置多少內(nèi)存給 ES 呢？其實(shí)這是要看我們集群節(jié)點(diǎn)的內(nèi)存大小，還取決于我們是否在服務(wù)器節(jié)點(diǎn)上還是否要部署其他服務(wù)。如果內(nèi)存相對(duì)很大，如 64G 及以上，并且不在 ES 集群上部署其他服務(wù)，那么建議 ES 內(nèi)存可以設(shè)置為 31G-32G，因?yàn)檫@里有一個(gè) 32G 性能瓶頸問題，直白的說就是即使你給了 ES 集群大于 32G 的內(nèi)存，其性能也不一定會(huì)更加優(yōu)良，甚至?xí)蝗缭O(shè)置為 31G-32G 時(shí)候的性能。設(shè)置 ES 集群內(nèi)存的時(shí)候，還有一點(diǎn)就是確保堆內(nèi)存最小值（Xms）與最大值（Xmx）的大小是相同的，防止程序在運(yùn)行時(shí)改變堆內(nèi)存大小，這是一個(gè)很耗系統(tǒng)資源的過程。

禁止swap，一旦允許內(nèi)存與磁盤的交換，會(huì)引起致命的性能問題。swap空間是一塊磁盤空間，操作系統(tǒng)使用這塊空間保存從內(nèi)存中換出的操作系統(tǒng)不常用page數(shù)據(jù)，這樣可以分配出更多的內(nèi)存做page cache。這樣通常會(huì)提升系統(tǒng)的吞吐量和IO性能，但同樣會(huì)產(chǎn)生很多問題。頁(yè)面頻繁換入換出會(huì)產(chǎn)生IO讀寫、操作系統(tǒng)中斷，這些都很影響系統(tǒng)的性能。這個(gè)值越大操作系統(tǒng)就會(huì)更加積極的使用swap空間。通過：在elasticsearch.yml 中 bootstrap.memory_lock: true， 以保持JVM鎖定內(nèi)存，保證ES的性能。

分片及副本層面

ES 是一個(gè)分布式的搜索引擎, 索引通常都會(huì)分解成不同部分, 分布在不同節(jié)點(diǎn)的部分?jǐn)?shù)據(jù)就是分片。ES 自動(dòng)管理和組織分片, 并在必要的時(shí)候?qū)Ψ制瑪?shù)據(jù)進(jìn)行再平衡分配, 所以用戶基本上不用擔(dān)心分片的處理細(xì)節(jié)。創(chuàng)建索引時(shí)默認(rèn)的分片數(shù)為 5 個(gè)，并且一旦創(chuàng)建不能更改。

ES 默認(rèn)創(chuàng)建一份副本，就是說在 5 個(gè)主分片的基礎(chǔ)上，每個(gè)主分片都相應(yīng)的有一個(gè)副本分片。額外的副本有利有弊，有副本可以有更強(qiáng)的故障恢復(fù)能力，但也占了相應(yīng)副本倍數(shù)的磁盤空間。

對(duì)于副本數(shù)，比較好確定，可以根據(jù)我們集群節(jié)點(diǎn)的多少與我們的存儲(chǔ)空間決定，我們的集群服務(wù)器多，并且有足夠大多存儲(chǔ)空間，可以多設(shè)置副本數(shù)，一般是 1-3 個(gè)副本數(shù)，如果集群服務(wù)器相對(duì)較少并且存儲(chǔ)空間沒有那么寬松，則可以只設(shè)定一份副本以保證容災(zāi)（副本數(shù)可以動(dòng)態(tài)調(diào)整）。

對(duì)于分片數(shù)，是比較難確定的。因?yàn)橐粋€(gè)索引分片數(shù)一旦確定，就不能更改，所以我們?cè)趧?chuàng)建索引前，要充分的考慮到，以后我們創(chuàng)建的索引所存儲(chǔ)的數(shù)據(jù)量，否則創(chuàng)建了不合適的分片數(shù)，會(huì)對(duì)我們的性能造成很大的影響。

查詢大量小分片使得每個(gè)分片處理數(shù)據(jù)速度更快了，那是不是分片數(shù)越多，我們的查詢就越快，ES 性能就越好呢？其實(shí)也不是，因?yàn)樵诓樵冞^程中，有一個(gè)分片合并的過程，如果分片數(shù)不斷的增加，合并的時(shí)間則會(huì)增加，而且隨著更多的任務(wù)需要按順序排隊(duì)和處理，更多的小分片不一定要比查詢較小數(shù)量的更大的分片更快。如果有多個(gè)并發(fā)查詢，則有很多小碎片也會(huì)降低查詢吞吐量。

如果現(xiàn)在你的場(chǎng)景是分片數(shù)不合適了，但是又不知道如何調(diào)整，那么有一個(gè)好的解決方法就是按照時(shí)間創(chuàng)建索引，然后進(jìn)行通配查詢。如果每天的數(shù)據(jù)量很大，則可以按天創(chuàng)建索引，如果是一個(gè)月積累起來導(dǎo)致數(shù)據(jù)量很大，則可以一個(gè)月創(chuàng)建一個(gè)索引。如果要對(duì)現(xiàn)有索引進(jìn)行重新分片，則需要重建索引，對(duì)于每個(gè)index的shard數(shù)量，可以根據(jù)數(shù)據(jù)總量、寫入壓力、節(jié)點(diǎn)數(shù)量等綜合考量后設(shè)定，然后根據(jù)數(shù)據(jù)增長(zhǎng)狀態(tài)定期檢測(cè)下shard數(shù)量是否合理。

騰訊云CES技術(shù)團(tuán)隊(duì)的推薦方案是：對(duì)于數(shù)據(jù)量較?。?00GB以下）的index，往往寫入壓力查詢壓力相對(duì)較低，一般設(shè)置35個(gè)shard，number_of_replicas設(shè)置為1即可（也就是一主一從，共兩副本）。對(duì)于數(shù)據(jù)量較大（100GB以上）的index：一般把單個(gè)shard的數(shù)據(jù)量控制在（20GB50GB）讓index壓力分?jǐn)傊炼鄠€(gè)節(jié)點(diǎn)：可通過index.routing.allocation.total_shards_per_node參數(shù)，強(qiáng)制限定一個(gè)節(jié)點(diǎn)上該index的shard數(shù)量，讓shard盡量分配到不同節(jié)點(diǎn)上綜合考慮整個(gè)index的shard數(shù)量，如果shard數(shù)量（不包括副本）超過50個(gè)，就很可能引發(fā)拒絕率上升的問題，此時(shí)可考慮把該index拆分為多個(gè)獨(dú)立的index，分?jǐn)倲?shù)據(jù)量，同時(shí)配合routing使用，降低每個(gè)查詢需要訪問的shard數(shù)量。

ES系統(tǒng)方面調(diào)優(yōu)

確定集群CPU占用率高的原因，使用GET_nodes/{node}/hot_threads，如果結(jié)果為elasticsearch[{node}][search][T#10]則為查詢導(dǎo)致，如果結(jié)果為elasticsearch[{node}][bulk][T#1]，則為寫入導(dǎo)致。

index.merge.scheduler.max_thread_count

在實(shí)際調(diào)優(yōu)中，cpu使用率很高，使用SSD替代機(jī)械硬盤。SSD與機(jī)械磁盤相比，具有高效的讀寫速度和穩(wěn)定性。如果不是SSD，建議設(shè)置index.merge.scheduler.max_thread_count: 1，即索引merge最大線程數(shù)設(shè)置為1 個(gè)，該參數(shù)可以有效調(diào)節(jié)寫入的性能。因?yàn)樵诖鎯?chǔ)介質(zhì)上并發(fā)寫，由于尋址的原因，寫入性能不會(huì)提升，只會(huì)降低。當(dāng)有多個(gè)磁盤時(shí)可以設(shè)置為對(duì)應(yīng)的數(shù)量。

index.refresh_interval

這個(gè)參數(shù)的意思是數(shù)據(jù)寫入后幾秒可以被搜索到，默認(rèn)是 1s。每次索引的 refresh 會(huì)產(chǎn)生一個(gè)新的 lucene 段, 這會(huì)導(dǎo)致頻繁的合并行為，如果業(yè)務(wù)需求對(duì)實(shí)時(shí)性要求沒那么高，可以將此參數(shù)調(diào)大。

indices.memory.index_buffer_size

如果我們要進(jìn)行非常重的高并發(fā)寫入操作，那么最好將它調(diào)大一些，index buffer的大小是所有的shard公用的，對(duì)于每個(gè) shard來說，最多給512MB，因?yàn)樵俅笮阅芫蜎]什么提升了。ES會(huì)將這個(gè)設(shè)置作為每個(gè)shard共享的index buffer，那些特別活躍的shard會(huì)更多的使用這個(gè) buffer。默認(rèn)這個(gè)參數(shù)的值是10%，也就是jvm堆內(nèi)存的10%。

translog

ES為了保證數(shù)據(jù)不丟失，每次index、bulk、delete、update完成的時(shí)候，一定會(huì)觸發(fā)刷新translog到磁盤上。在提高數(shù)據(jù)安全性的同時(shí)當(dāng)然也降低了性能。如果你不在意這點(diǎn)可能性，還是希望性能優(yōu)先，可以設(shè)置如下參數(shù)：

"index.translog": {
  "sync_interval": "120s",     #sync間隔調(diào)高
  "durability": "async",      # 異步更新
  "flush_threshold_size":"1g" #log文件大小
}

這樣設(shè)定的意思是開啟異步寫入磁盤，并設(shè)定寫入的時(shí)間間隔與大小，有助于寫入性能的提升。

replica數(shù)目

為了讓創(chuàng)建的es index在每臺(tái)datanode上均勻分布，同一個(gè)datanode上同一個(gè)index的shard數(shù)目不應(yīng)超過3個(gè)。計(jì)算公式: (number_of_shard*(1+number_of_replicas)) < 3*number_of_datanodes每臺(tái)機(jī)器上分配的shard數(shù)目，index.routing.allocation.total_shards_per_node: 2

merge相關(guān)參數(shù)

"index.merge.policy.floor_segment": "100mb"
"index.merge.scheduler.max_thread_count": "1"
"index.merge.policy.min_merge_size": "10mb"

超時(shí)參數(shù)

discovery.zen.ping_timeout 判斷 master 選舉過程中，發(fā)現(xiàn)其他 node 存活的超時(shí)設(shè)置
discovery.zen.fd.ping_interval 節(jié)點(diǎn)被 ping 的頻率，檢測(cè)節(jié)點(diǎn)是否存活
discovery.zen.fd.ping_timeout 節(jié)點(diǎn)存活響應(yīng)的時(shí)間，默認(rèn)為 30s，如果網(wǎng)絡(luò)可能存在隱患，可以適當(dāng)調(diào)大
discovery.zen.fd.ping_retries ping 失敗/超時(shí)多少導(dǎo)致節(jié)點(diǎn)被視為失敗，默認(rèn)為 3

Linux層面相關(guān)調(diào)優(yōu)

Linux中，每個(gè)進(jìn)程默認(rèn)打開的最大文件句柄數(shù)是1000，對(duì)于服務(wù)器進(jìn)程來說，顯然太小，通過修改/etc/security/limits.conf來增大打開最大句柄數(shù)* - nofile 65535

vm.dirty_background_ratio: 這個(gè)參數(shù)指定了當(dāng)文件系統(tǒng)緩存臟頁(yè)數(shù)量達(dá)到系統(tǒng)內(nèi)存百分之多少時(shí)（如5%）就會(huì)觸發(fā)pdflush/flush/kdmflush等后臺(tái)回寫進(jìn)程運(yùn)行，將一定緩存的臟頁(yè)異步地刷入外存；

vm.dirty_ratio: 該參數(shù)則指定了當(dāng)文件系統(tǒng)緩存臟頁(yè)數(shù)量達(dá)到系統(tǒng)內(nèi)存百分之多少時(shí)（如10%），系統(tǒng)不得不開始處理緩存臟頁(yè)（因?yàn)榇藭r(shí)臟頁(yè)數(shù)量已經(jīng)比較多，為了避免數(shù)據(jù)丟失需要將一定臟頁(yè)刷入外存）；在此過程中很多應(yīng)用進(jìn)程可能會(huì)因?yàn)橄到y(tǒng)轉(zhuǎn)而處理文件IO而阻塞。

把該參數(shù)適當(dāng)調(diào)小。如果cached的臟數(shù)據(jù)所占比例（這里是占MemTotal的比例）超過這個(gè)設(shè)置，系統(tǒng)會(huì)停止所有的應(yīng)用層的IO寫操作，等待刷完數(shù)據(jù)后恢復(fù)IO。所以萬一觸發(fā)了系統(tǒng)的這個(gè)操作，對(duì)于用戶來說影響非常大的。

sysctl -w vm.dirty_ratio=10
sysctl -w vm.dirty_background_ratio=5

可以修改/etc/sysctl.conf文件進(jìn)行持久化。

ES使用建議

讀數(shù)據(jù)

避免大結(jié)果集和深翻，ES 提供了 Scroll 和 Scroll-Scan 這兩種查詢模式。

Scroll：是為檢索大量的結(jié)果而設(shè)計(jì)的。例如，我們需要查詢 1～100 頁(yè)的數(shù)據(jù)，每頁(yè) 100 條數(shù)據(jù)。

如果使用Search查詢：每次都需要在每個(gè)分片上查詢得分最高的 from+100 條數(shù)據(jù)，然后協(xié)同節(jié)點(diǎn)把收集到的 n×(from+100)條數(shù)據(jù)聚合起來再進(jìn)行一次排序。

每次返回from+1開始的100條數(shù)據(jù)，并且要重復(fù)執(zhí)行100次。

如果使用Scroll查詢：在各個(gè)分片上查詢10000條數(shù)據(jù)，協(xié)同節(jié)點(diǎn)聚合n×10000條數(shù)據(jù)進(jìn)行合并、排序，并將排名前10000的結(jié)果快照起來。這樣做的好處是減少了查詢和排序的次數(shù)。

插入索引自動(dòng)生成 id

當(dāng)寫入端使用特定的 id 將數(shù)據(jù)寫入 ES 時(shí)，ES 會(huì)檢查對(duì)應(yīng)的索引下是否存在相同的 id，這個(gè)操作會(huì)隨著文檔數(shù)量的增加使消耗越來越大，所以如果業(yè)務(wù)上沒有硬性需求建議使用 ES 自動(dòng)生成的 id，加快寫入速率。

避免稀疏索引

索引稀疏之后，會(huì)導(dǎo)致索引文件增大。ES的keyword，數(shù)組類型采用doc_values結(jié)構(gòu)，即使字段是空值，每個(gè)文檔也會(huì)占用一定的空間，所以稀疏索引會(huì)造成磁盤增大，導(dǎo)致查詢和寫入效率降低。

參數(shù)調(diào)優(yōu)匯總

index.merge.scheduler.max_thread_count:1 # 索引 merge 最大線程數(shù)
indices.memory.index_buffer_size:30% # 內(nèi)存
index.translog.durability:async # 這個(gè)可以異步寫硬盤，增大寫的速度
index.translog.sync_interval:120s #translog 間隔時(shí)間
discovery.zen.ping_timeout:120s # 心跳超時(shí)時(shí)間
discovery.zen.fd.ping_interval:120s     # 節(jié)點(diǎn)檢測(cè)時(shí)間
discovery.zen.fd.ping_timeout:120s     #ping 超時(shí)時(shí)間
discovery.zen.fd.ping_retries:6 # 心跳重試次數(shù)
thread_pool.bulk.size:20 # 寫入線程個(gè)數(shù) 由于我們查詢線程都是在代碼里設(shè)定好的，我這里只調(diào)節(jié)了寫入的線程數(shù)
thread_pool.bulk.queue_size:1000 # 寫入線程隊(duì)列大小
index.refresh_interval:300s #index 刷新間隔
bootstrap.memory_lock: true#以保持JVM鎖定內(nèi)存，保證ES的性能。

ES大批量寫入提高性能的策略

用bulk批量寫入

你如果要往es里面灌入數(shù)據(jù)的話，那么根據(jù)你的業(yè)務(wù)場(chǎng)景來，如果你的業(yè)務(wù)場(chǎng)景可以支持讓你將一批數(shù)據(jù)聚合起來，一次性寫入es，那么就盡量采用bulk的方式，每次批量寫個(gè)幾百條這樣子。

bulk批量寫入的性能比你一條一條寫入大量的document的性能要好很多。但是如果要知道一個(gè)bulk請(qǐng)求最佳的大小，需要對(duì)單個(gè)es node的單個(gè)shard做壓測(cè)。先bulk寫入100個(gè)document，然后200個(gè)，400個(gè)，以此類推，每次都將bulk size加倍一次。如果bulk寫入性能開始變平緩的時(shí)候，那么這個(gè)就是最佳的bulk大小。并不是bulk size越大越好，而是根據(jù)你的集群等環(huán)境具體要測(cè)試出來的，因?yàn)樵酱蟮腷ulk size會(huì)導(dǎo)致內(nèi)存壓力過大，因此最好一個(gè)請(qǐng)求不要發(fā)送超過10mb的數(shù)據(jù)量。

先確定一個(gè)是bulk size，此時(shí)就盡量是單線程，一個(gè)es node，一個(gè)shard，進(jìn)行測(cè)試。看看單線程最多一次性寫多少條數(shù)據(jù)，性能是比較好的。

使用多線程將數(shù)據(jù)寫入es

單線程發(fā)送bulk請(qǐng)求是無法最大化es集群寫入的吞吐量的。如果要利用集群的所有資源，就需要使用多線程并發(fā)將數(shù)據(jù)bulk寫入集群中。為了更好的利用集群的資源，這樣多線程并發(fā)寫入，可以減少每次底層磁盤fsync的次數(shù)和開銷。首先對(duì)單個(gè)es節(jié)點(diǎn)的單個(gè)shard做壓測(cè)，比如說，先是2個(gè)線程，然后是4個(gè)線程，然后是8個(gè)線程，16個(gè)，每次線程數(shù)量倍增。一旦發(fā)現(xiàn)es返回了TOO_MANY_REQUESTS的錯(cuò)誤，JavaClient也就是EsRejectedExecutionException。此時(shí)那么就說明es是說已經(jīng)到了一個(gè)并發(fā)寫入的最大瓶頸了，此時(shí)我們就知道最多只能支撐這么高的并發(fā)寫入了。

增加refresh間隔

默認(rèn)的refresh間隔是1s，用index.refresh_interval參數(shù)可以設(shè)置，這樣會(huì)其強(qiáng)迫es每秒中都將內(nèi)存中的數(shù)據(jù)寫入磁盤中，創(chuàng)建一個(gè)新的segment file。正是這個(gè)間隔，讓我們每次寫入數(shù)據(jù)后，1s以后才能看到。但是如果我們將這個(gè)間隔調(diào)大，比如30s，可以接受寫入的數(shù)據(jù)30s后才看到，那么我們就可以獲取更大的寫入吞吐量，因?yàn)?0s內(nèi)都是寫內(nèi)存的，每隔30s才會(huì)創(chuàng)建一個(gè)segment file。

禁止refresh和replia

如果我們要一次性加載大批量的數(shù)據(jù)進(jìn)es，可以先禁止refresh和replia復(fù)制，將index.refresh_interval設(shè)置為-1，將index.number_of_replicas設(shè)置為0即可。這可能會(huì)導(dǎo)致我們的數(shù)據(jù)丟失，因?yàn)闆]有refresh和replica機(jī)制了。但是不需要?jiǎng)?chuàng)建segment file，也不需要將數(shù)據(jù)replica復(fù)制到其他的replica shasrd上面去。此時(shí)寫入的速度會(huì)非?？?，一旦寫完之后，可以將refresh和replica修改回正常的狀態(tài)。

禁止swapping交換內(nèi)存

如果要將es jvm內(nèi)存交換到磁盤，再交換回內(nèi)存，大量磁盤IO，性能很差

給filesystem cache更多的內(nèi)存

filesystem cache被用來執(zhí)行更多的IO操作，如果我們能給filesystemcache更多的內(nèi)存資源，那么es的寫入性能會(huì)好很多。

使用自動(dòng)生成的id

如果我們要手動(dòng)給es document設(shè)置一個(gè)id，那么es需要每次都去確認(rèn)一下那個(gè)id是否存在，這個(gè)過程是比較耗費(fèi)時(shí)間的。如果我們使用自動(dòng)生成的id，那么es就可以跳過這個(gè)步驟，寫入性能會(huì)更好。對(duì)于你的業(yè)務(wù)中的表id，可以作為es document的一個(gè)field。

用性能更好的硬件

我們可以給filesystem cache更多的內(nèi)存，也可以使用SSD替代機(jī)械硬盤，避免使用NAS等網(wǎng)絡(luò)存儲(chǔ)，考慮使用RAID 0來?xiàng)l帶化存儲(chǔ)提升磁盤并行讀寫效率，等等。

index buffer

如果我們要進(jìn)行非常重的高并發(fā)寫入操作，那么最好將index buffer調(diào)大一些，indices.memory.index_buffer_size，這個(gè)可以調(diào)節(jié)大一些，設(shè)置的這個(gè)index buffer大小，是所有的shard公用的，但是如果除以shard數(shù)量以后，算出來平均每個(gè)shard可以使用的內(nèi)存大小，一般建議，但是對(duì)于每個(gè)shard來說，最多給512mb，因?yàn)樵俅笮阅芫蜎]什么提升了。es會(huì)將這個(gè)設(shè)置作為每個(gè)shard共享的index buffer，那些特別活躍的shard會(huì)更多的使用這個(gè)buffer。默認(rèn)這個(gè)參數(shù)的值是10%，也就是jvm heap的10%，如果我們給jvmheap分配10gb內(nèi)存，那么這個(gè)index buffer就有1gb，對(duì)于兩個(gè)shard共享來說，是足夠的了。

ES查詢提高性能的策略

1.query_string 或 multi_match的查詢字段越多， 查詢?cè)铰??？梢栽趍apping階段，利用copy_to屬性將多字段的值索引到一個(gè)新字段，multi_match時(shí)，用新的字段查詢。2.日期字段的查詢， 尤其是用now 的查詢實(shí)際上是不存在緩存的，因此， 可以從業(yè)務(wù)的角度來考慮是否一定要用now, 畢竟利用query cache 是能夠大大提高查詢效率的。3.查詢結(jié)果集的大小不能隨意設(shè)置成大得離譜的值， 如query.setSize不能設(shè)置成 Integer.MAX_VALUE， 因?yàn)镋S內(nèi)部需要建立一個(gè)數(shù)據(jù)結(jié)構(gòu)來放指定大小的結(jié)果集數(shù)據(jù)。4.盡量避免使用script，萬不得已需要使用的話，選擇painless & experssions 引擎。一旦使用script查詢，一定要注意控制返回，千萬不要有死循環(huán)（如下錯(cuò)誤的例子），因?yàn)镋S沒有腳本運(yùn)行的超時(shí)控制，只要當(dāng)前的腳本沒執(zhí)行完，該查詢會(huì)一直阻塞。

如：{
    “script_fields”：{
        “test1”：{
            “l(fā)ang”：“groovy”，
            “script”：“while（true）{print 'don’t use script'}”
        }
    }
}

5. 避免層級(jí)過深的聚合查詢， 層級(jí)過深的group by , 會(huì)導(dǎo)致內(nèi)存、CPU消耗，建議在服務(wù)層通過程序來組裝業(yè)務(wù)，也可以通過pipeline的方式來優(yōu)化。

6. 復(fù)用預(yù)索引數(shù)據(jù)方式來提高AGG性能：

如通過 terms aggregations 替代 range aggregations， 如要根據(jù)年齡來分組，分組目標(biāo)是: 少年（14歲以下） 青年（14-28） 中年（29-50） 老年（51以上）， 可以在索引的時(shí)候設(shè)置一個(gè)age_group字段，預(yù)先將數(shù)據(jù)進(jìn)行分類。從而不用按age來做range aggregations, 通過age_group字段就可以了。

7. Cache的設(shè)置及使用：

a) QueryCache: ES查詢的時(shí)候，使用filter查詢會(huì)使用query cache, 如果業(yè)務(wù)場(chǎng)景中的過濾查詢比較多，建議將querycache設(shè)置大一些，以提高查詢速度。

indices.queries.cache.size：10%（默認(rèn)），可設(shè)置成百分比，也可設(shè)置成具體值，如256mb。

當(dāng)然也可以禁用查詢緩存（默認(rèn)是開啟）， 通過index.queries.cache.enabled：false設(shè)置。

b) FieldDataCache: 在聚類或排序時(shí)，field data cache會(huì)使用頻繁，因此，設(shè)置字段數(shù)據(jù)緩存的大小，在聚類或排序場(chǎng)景較多的情形下很有必要，可通過indices.fielddata.cache.size：30% 或具體值10GB來設(shè)置。但是如果場(chǎng)景或數(shù)據(jù)變更比較頻繁，設(shè)置cache并不是好的做法，因?yàn)榫彺婕虞d的開銷也是特別大的。

c) ShardRequestCache: 查詢請(qǐng)求發(fā)起后，每個(gè)分片會(huì)將結(jié)果返回給協(xié)調(diào)節(jié)點(diǎn)(Coordinating Node), 由協(xié)調(diào)節(jié)點(diǎn)將結(jié)果整合。

如果有需求，可以設(shè)置開啟; 通過設(shè)置index.requests.cache.enable: true來開啟。

不過，shard request cache只緩存hits.total, aggregations, suggestions類型的數(shù)據(jù)，并不會(huì)緩存hits的內(nèi)容。也可以通過設(shè)置indices.requests.cache.size: 1%（默認(rèn)）來控制緩存空間大小。