Elasticsearch官方文档＜最佳实践＞翻译

悠悠 2022-12-03 02:23 265阅读 0赞

## Elasticsearch 官方文档 [How To][] 翻译，基于7.2版本 ##

### 提高Index速度 ###

1.  写入的DOC体积不要太大，阈值上限是100M
2.  被删除的数据，还没有进行merge时，仅仅是在内存中有个标识，此时这些在segment里的数据会影响评分，他们是分母的一部分  
    所以如果一个请求多次路由向不同的副本，可能会导致数据的评分不同，也就是从分片获取的数据在最终协调后不一致
3.  小数据多批次情形下建议使用bulk请求，每个bulk请求体多大可以通过压测得出，一般建议不要超过5M。当bulk请求较多时要降低频率，避免对服务器造成太大压力
4.  太多线程同时发送请求时，如果ES服务端返回429，表示Server忙不过来了， 拒绝请求，等一会儿再发送
5.  加载大量数据时，可以将刷新间隔设置为-1，以及将副本数设置为0。虽然说这样在你加大数据的过程中，可能会导致数据丢失，  
    但是会加快你加载数据的速度。在加载完之后，可以重新调整刷新频率以及副本数
6.  禁止使用swapping。
7.  至少要将机器的一半内存给文件缓存。
8.  尽量使用自增id因为如果不使用自增的话，es需要先去判断这个id是否存在。如果使用自增，就会跳过这个过程，能够加快你Index速度。
9.  尽量使用存储效率更高的磁盘，比如ssd 或者是raid 。
10. 当有繁重的索引任务时，请调高index buffer size 的大小，默认是10%，这个值至少需要512兆

### 提高Search速度 ###

1.  ES重度依赖文件系统缓存，至少确保一半的内存给系统缓存，使ES将热点数据始终缓存在物理内存中
2.  使用更快的磁盘，比如SSD；尽量使用本地存储，避免使用远程存储比如NFS,SMB；如果你的搜索是一个CPU亲和形式，那么可以考虑购买性能更好的CPU
3.  文档建模，joins必须禁止；nested会导致查询时速度慢好几倍； parent-child关系会导致查询慢上百倍
4.  当检索的field比较多时，可以考虑使用copy to把它们合成一个大的属性，然后检索这个属性就可以了。这样能提高你的检索效率。
5.  尽量避免使用脚本，如果真要使用则用painless脚本
6.  当filter里有时间类型的字段时，如果用now的话，因为当前时间是不断变化的，所以结果不会放入filter，后续相同时间查询时filter不会生效，通过将now转换成分钟制，也就是分钟，抹去秒  
    “my\_date”: \{  
    “gte”: “now-1h/m”,  
    “lte”: “now/m”  
    \}  
    假设 now = 16:31:29,这样得到的字段实际是 between 15:31:00 and 16:31:59 就能使用filter特性
7.  强制merge只读索引，将其segments 合并为1，通常用在基于时间滚动生成的索引
8.  预热全局顺序，“eager\_global\_ordinals”: true， 全局顺序是什么可以参考：https://blog.csdn.net/zwgdft/article/details/83215977
9.  filesystem cache预热， 当集群重启时系统缓存不存在，可通过index.store.preload预先缓存，提高后续操作效率
10. 使用Index sorting加快排序检索
11. 数字类型数据不一定要定义成numeric，比如integer,long，数字类型在range query 时效率高，但terms时效率没有keyword高，  
    所以如果数据不需要range query,则不要定义成integer，long等numeric类型
12. 每个索引的分片上有filesystem cache, request cache, query cache 等缓存，如果同一次查询路由向一个shard的不同replica，  
    则这些缓存都不会发生作用，也就是说同一份数据会占用多个node的内存空间，且查询会变慢，所以建议同一个查询条件使用相同的preference ，确保他们路由向相同的replica
13. 多replica很多时候能够提高吞吐量，但不是一定的。当node数固定，index和replica越多，每个shard的filesystem cache 就越少，  
    而这个是制约es高性能的最重要的因素，没有之一，所以当node数固定时，针对index数量设置合适的replica数量很重要。  
    replica\_num = max(max\_failures, ceil(num\_nodes / num\_primaries) - 1). max\_failures表示能同一时间接受的最大宕机node的数量，  
    num\_nodes表示节点数，num\_primaries表示分片数
14. 使用 index\_prefixes 来对term的前缀查询做快速支持
15. 不要返回大量的数据，如果数据量大，使用scroll形式分页

### 优化磁盘使用 ###

1.  如果field不被检索，那么可以设置"index": false；
2.  如果text类型的字段不需要打分，那么可以设置"norms": false；
3.  text类型字段默认存储doc,frequencies ,positions , 如果此field没有pharse query, 那么可以设置"index\_options": “freqs”， 忽略positions
4.  不要使用默认的dynamic string mappings，就是新字段的索引规则，可以使用 dynamic\_templates 定义，比如以
5.  关注每个Index 的 Shard大小，如果Shard占用的内存空间太小，那么可以使用Shrink API 适当调低分片数量，因为大分片对存储数据更有效
6.  禁用\_source, 也就是禁用原始的JSON Body, JSON Body是多个Field之间关联的纽带，比如可以通过Field A 的倒排索引，定位doc\_id，然后通过doc\_id 查询到\_source，body里含有其他的Field。如果我们仅仅需要检索的Field，而不需要其他的Filed, 那么禁用\_source能降低系统缓存占用
7.  Force Merge 只读索引的Segments， 设置 max\_num\_segments=1， 这样能降低系统存储
8.  使用最小化的数值类型，如果是整数，定义顺序：byte, short, integer or long， 如果是浮点数，定义顺序：half\_float，float，double
9.  使用Index Sorting 对document做排序，有序document下他们可能具有相似的数据结构，fields和values，这样Lucene在存储时能提高压缩比例

[How To]: https://www.elastic.co/guide/en/elasticsearch/reference/7.2/how-to.html