elasticsearch 官方优化建议
2023/4/9 11:21:59
本文主要是介绍elasticsearch 官方优化建议，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！
1.一般建议
a.不要返回过大的结果集。这个建议对一般数据库都是适用的，如果要获取大量结果，可以使用search_after api，或者scroll （新版本中已经不推荐）。
b.避免大的文档。
2. 如何提高索引速度
a.使用批量请求。为了达到最好的效果，可以进行测试，递增地提高bulk的数量，比如从100，到200，再到400，达到一个吞吐量和响应时间的平衡。
b.使用多线程发送数据。
c.关闭或者减小refresh_interval。从内存缓存写入磁盘缓存（memorybuffer -> filesystem cache），这个过程叫做refresh。在这个过程之前内存缓存里面的文档是不可被搜索的，这也是为什么es被称为近实时索引的原因。
在索引初始化（大量导入文档）的时候，可以关闭refresh_interval。当产品允许较大的不可搜索时间，可以将index.refresh_interval设置为30s，提高索引速度。
d.初始化时关闭复制分片。索引时设置index.number_of_replicas为0，避免主分片复制数据，索引完毕后再调整到正常的复制分片数。
e.关闭swapping。swap会极大地降低es的索引速度。
Swap分区（即交换区）在系统的物理内存不够用的时候，把硬盘空间中的一部分空间释放出来，以供当前运行的程序使用。 那些被释放的空间可能来自一些很长时间没有什么操作的程序，这些被释放的空间被临时保存到Swap分区中，等到那些程序要运行时，再从Swap分区中恢复保存的数据到内存中。
f.给文件系统缓存分配足够多的内存。文件系统换行用来处理io操作，至少要将物理机一半的内存分配给文件系统缓存。比如物理机内存64g，那么至少分配32g给文件系统缓存，剩下的内存才考虑分配给es。
g.使用自动生成的id。如果使用指定的id，es会检查这个id是否已经存在，而且随着文档数越多，这个判重操作越耗时。索引的时候，如果没有指定id，es会自动生成id。
{
"_index": "sales",
"_type": "_doc",
"_id": "xb7IY4cB6Rdc8HbDycuE", // auto-generated id
"_version": 1,
"result": "created",
"_shards": {
"total": 2,
"successful": 1,
"failed": 0
},
"_seq_no": 10,
"_primary_term": 1
}
h.使用更好的硬件。比如SSD，或者Amazon的Elastic Block Storage。
i.调整索引缓存大小。确保每个索引分片能获得512M的缓存，即 indices.memory.index_buffer_size = 512M，大于512M没有更多提升效果。
j.使用cross-cluster replication 来实现读写分离，这样让索引集群压力更小。这和mysql中的读写分离很类似。
3.如何提到搜索速度
a.给文件系统缓存分配足够多的内存。
b.在linux环境中设置合适的readahead。但是es中的查询更多的是随机io，过大的readahead反而使文件系统的页缓存严重抖动，从而使查询性能下降。
Linux的文件预读readahead，指Linux系统内核将指定文件的某区域预读进页缓存起来，便于接下来对该区域进行读取时，不会因缺页（page fault）而阻塞。因为从内存读取比从磁盘读取要快很多。 预读可以有效的减少磁盘的寻道次数和应用程序的I/O等待时间，是改进磁盘读I/O性能的重要优化手段之一。使用命令lsblk查看readahead值。
c.使用更好的硬件。
d.好的文档模型。酌情使用nested query, parent query, 避免使用join query。
| 文档模型 | 对比普通查询 |
| nested query | 慢几倍 |
| parent query | 慢几百倍 |
| join query | 应当避免 |
e.尽可能少的查询字段。在越多的字段上匹配，查询速度就越慢。在索引的时候可以将需要查询的多个字段聚合到一个字段中。使用copy_to 可以自动实现这一功能，以下示例将name和plot字段聚合到name_and_plot字段中。
PUT movies
{
"mappings": {
"properties": {
"name_and_plot": {
"type": "text"
},
"name": {
"type": "text",
"copy_to": "name_and_plot"
},
"plot": {
"type": "text",
"copy_to": "name_and_plot"
}
}
}
}
f.预先索引数据。比如如果想对price字段做range聚合，那么预先计算出单个文档的price范围，那么就能将range聚合转化成terms聚合。这样确实能提高效率，但是不太灵活。
插入文档：
PUT index/_doc/1
{
"designation": "spoon",
"price": 13
}
range聚合查询：
GET index/_search
{
"aggs": {
"price_ranges": {
"range": {
"field": "price",
"ranges": [
{ "to": 10 },
{ "from": 10, "to": 100 },
{ "from": 100 }
]
}
}
}
}
另一种做法，预先计算price_range:
PUT index
{
"mappings": {
"properties": {
"price_range": {
"type": "keyword"
}
}
}
}
PUT index/_doc/1
{
"designation": "spoon",
"price": 13,
"price_range": "10-100"
}
使用terms聚合：
GET index/_search
{
"aggs": {
"price_ranges": {
"terms": {
"field": "price_range"
}
}
}
}
g.尽可能将字段自定义为keyword。对于数字类型的字段，es对其range查询做了优化。在term层级的查询下，keyword字段比数字类型要好。
在以下两种情况下可以考虑将数字类型定义为keyword：
1.不需要对这些数据进行range查询
2.有很高的查询速度要求。
如果实在不清楚哪个好，可以用 multi-field为数字类型的字段同时定义数字类型和keyword类型。
h.避免使用脚本。如果可能，避免使用脚本排序，使用脚本聚合，以及script_scorequery。
i.使用四舍五入的日期。这样有助于es进行缓存，精确到秒级别的查询有时候并无必要。
实时查询（秒级）：
PUT index/_doc/1
{
"my_date": "2016-05-11T16:30:55.328Z"
}
GET index/_search
{
"query": {
"constant_score": {
"filter": {
"range": {
"my_date": {
"gte": "now-1h",
"lte": "now"
}
}
}
}
}
}
分钟级查询：
GET index/_search
{
"query": {
"constant_score": {
"filter": {
"range": {
"my_date": {
"gte": "now-1h/m",
"lte": "now/m"
}
}
}
}
}
}
j.对只读索引进行force-merge。在时序索引中，过期的索引都是只读的，将其合并成一个段能加快查询速度。
k.预热global ordinals。ordinals 是doc values的具体存储形式。一般情况下一个字段的global ordinals是懒加载的。如果某个字段在聚合上用到很多，我们可以先将其预热（加载到heap），当做field data cache.的一部分。
PUT index
{
"mappings": {
"properties": {
"foo": {
"type": "keyword",
"eager_global_ordinals": true
}
}
}
}
l.预热文件系统缓存。设置index.store.preload参数即可。注意，必须确保文件系统缓存足够大，否则会让查询变得更慢。
m.使用索引排序来加速连接查询。比如我们要进行过滤 a AND b AND …，然后a是low-cardinality（低区分度）。那么我们可以先对a进行排序，那么一旦a的某个值不匹配这个表达式，那么有相同的值的文档都可以跳过。
n.使用preference进行缓存使用优化。es中有非常多的缓存，比如文件系统缓存（最重要），请求缓存，查询缓存，但是这些缓存都是在节点层面。默认情况下es会使用round-robin算法分配查询到不同的分片上去，这样缓存就失效了。
如果可以，使用preference参数将用户的请求和对应的分片或者节点绑定起来，这样缓存就不会失效。例如：
GET /_search?preference=_shards:2,3
{
"query": {
"match": {
"title": "elasticsearch"
}
}
}
o.更多的复制分片会提升吞吐量（但并不一定）。在系统资源充足的情况下，复制分片越多吞吐量会越高。但是过多的分片会让故障恢复变得更慢。
p.使用profile api优化查询语句。和mysql中的explain类似，例如：
GET /my-index-000001/_search
{
"profile": true,
"query" : {
"match" : { "message" : "GET /search" }
}
}
{
"took": 25,
"timed_out": false,
"_shards": {
"total": 1,
"successful": 1,
"skipped": 0,
"failed": 0
},
"hits": {
"total": {
"value": 5,
"relation": "eq"
},
"max_score": 0.17402273,
"hits": [...]
},
"profile": {
"shards": [
{
"id": "[2aE02wS1R8q_QFnYu6vDVQ][my-index-000001][0]",
"searches": [
{
"query": [
{
"type": "BooleanQuery",
"description": "message:get message:search",
"time_in_nanos" : 11972972,
"breakdown" : {
"set_min_competitive_score_count": 0,
"match_count": 5,
"shallow_advance_count": 0,
"set_min_competitive_score": 0,
"next_doc": 39022,
"match": 4456,
"next_doc_count": 5,
"score_count": 5,
"compute_max_score_count": 0,
"compute_max_score": 0,
"advance": 84525,
"advance_count": 1,
"score": 37779,
"build_scorer_count": 2,
"create_weight": 4694895,
"shallow_advance": 0,
"create_weight_count": 1,
"build_scorer": 7112295
},...
q.使用 index_phrases 加速phrase query。index_phrases，会将两个单词的组合单独索引，这样可以加速phrase query。
r.使用 index_phrases 加速prefix query。同上。
s.使用constant_keyword加速过滤。如果某个字段的大多数情况下的值是个常量，但是我们又经常要对其进行过滤，我们可以将其拆分成两个索引，一个使用constant_keyword，一个不使用。
mapping如下：
UT bicycles
{
"mappings": {
"properties": {
"cycle_type": {
"type": "constant_keyword",
"value": "bicycle"
},
"name": {
"type": "text"
}
}
}
}
PUT other_cycles
{
"mappings": {
"properties": {
"cycle_type": {
"type": "keyword"
},
"name": {
"type": "text"
}
}
}
}
查询语句：
GET bicycles,other_cycles/_search
{
"query": {
"bool": {
"must": {
"match": {
"description": "dutch"
}
},
"filter": {
"term": {
"cycle_type": "bicycle"
}
}
}
}
}
在查询bicycles索引时，es会将查询语句自动转换为：
GET bicycles,other_cycles/_search
{
"query": {
"match": {
"description": "dutch"
}
}
}
4.磁盘优化
a.禁用不需要的特性。
比如数字类型的字段如果不需要进行过滤，可以不对其进行索引。
PUT index
{
"mappings": {
"properties": {
"foo": {
"type": "integer",
"index": false
}
}
}
}
es会对text类型的字段存储一些打分信息，如果不需要对这些字段进行打分，可以将其设置为match_only_text类型
b.不要使用默认动态字符串映射。默认动态字符串映射会将字符串类型映射为text和keyword类型，这样很浪费空间。可以预先配置所有字符串映射类型为keyword。
PUT index
{
"mappings": {
"dynamic_templates": [
{
"strings": {
"match_mapping_type": "string",
"mapping": {
"type": "keyword"
}
}
}
]
}
}
c.监控分片大小。越大的分片能更有效地存储数据。但是分片越大，故障恢复也会越慢。
d.禁用_source字段。_source会存储原始的json数据，如果不需要，就将其禁用。
e.使用best_compression进行压缩。es默认使用 LZ4 进行压缩，使用best_compression可以提升压缩比率，但是会影响数据存取性能。
f.force-merge.强制合并段能提升存储效率。注意，force-merge应当在没有文件写入后进行, 比如在过期的时序索引节点上。
g.shrink 索引。即收缩索引，将当前索引重新索引成分片数更少的索引。分片越大，存储效率越高。
shrink索引有如下条件。
1.索引必须只读。
2.节点必须包含索引的所有分片（主分片，或者复制分片都可以）
3.索引状态必须是健康的。
h.使用能满足需求的最小的数字类型。比如能用byte, 不用short。这个在其他db比如mysql中也适用。
i.使用索引排序来提升文档的压缩性能。排序后相似的文档会放在一起，es能根据他们的特性有效地进行压缩。
设定索引排序：
PUT my-index-000001
{
"settings": {
"index": {
"sort.field": "date",
"sort.order": "desc"
}
},
"mappings": {
"properties": {
"date": {
"type": "date"
}
}
}
}
j.索引文档时保证json字段顺序一致。es在存储的时候将多个文档压缩成一成block，如果json文档顺序一致，es能更好的对更长的相同的字符串进行压缩。
k.roll-up历史数据。使用roll up api来归档历史数据，他们依然可以访问，但是有着更高的存储效率。
5.分片大小
1.将索引分片大小保持在10G~50G之间
2.平均下来每G堆内存下不要超过20个分片。
这篇关于elasticsearch 官方优化建议的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！
- 2024-05-15PingCAP 黄东旭参与 CCF 秀湖会议，共探开源教育未来
- 2024-05-13PingCAP 戴涛：构建面向未来的金融核心系统
- 2024-05-09flutter3.x_macos桌面os实战
- 2024-05-09Rust中的并发性：Sync 和 Send Traits
- 2024-05-08使用Ollama和OpenWebUI在CPU上玩转Meta Llama3-8B
- 2024-05-08完工标准（DoD）与验收条件（AC）究竟有什么不同？
- 2024-05-084万 star 的 NocoDB 在 sealos 上一键起，轻松把数据库编程智能表格
- 2024-05-08Mac 版Stable Diffusion WebUI的安装
- 2024-05-08解锁CodeGeeX智能问答中3项独有的隐藏技能
- 2024-05-08RAG算法优化+新增代码仓库支持，CodeGeeX的@repo功能效果提升
