讓Elasticsearch飛起來!——性能優化實踐幹貨

1、叢集規劃優化實踐

1.1 基于目标資料量規劃叢集

在業務初期，經常被問到的問題，要幾個節點的叢集，記憶體、CPU要多大，要不要SSD？

最主要的考慮點是：你的目标存儲資料量是多大？可以針對目标資料量反推節點多少。

1.2 要留出容量Buffer

注意：Elasticsearch有三個警戒水位線，磁盤使用率達到85%、90%、95%。

不同警戒水位線會有不同的應急處理政策。

這點，磁盤容量選型中要規劃在内。控制在85%之下是合理的。

當然，也可以通過配置做調整。

1.3 ES叢集各節點盡量不要和其他業務功能複用一台機器。

除非記憶體非常大。

舉例：普通伺服器，安裝了ES+Mysql+redis，業務資料量大了之後，勢必會出現記憶體不足等問題。

1.4 磁盤盡量選擇SSD

Elasticsearch官方文檔肯定推薦SSD，考慮到成本的原因。需要結合業務場景，

如果業務對寫入、檢索速率有較高的速率要求，建議使用SSD磁盤。

阿裡的業務場景，SSD磁盤比機械硬碟的速率提升了5倍。

但要因業務場景而異。

1.5 記憶體配置要合理

官方建議：堆記憶體的大小是官方建議是：Min（32GB，機器記憶體大小/2）。

Medcl和wood大叔都有明确說過，不必要設定32/31GB那麼大，建議：熱資料設定：26GB，冷資料：31GB。

總體記憶體大小沒有具體要求，但肯定是内容越大，檢索性能越好。

經驗值供參考：每天200GB+增量資料的業務場景，伺服器至少要64GB記憶體。

除了JVM之外的預留記憶體要充足，否則也會經常OOM。

1.6 CPU核數不要太小

CPU核數是和ESThread pool關聯的。和寫入、檢索性能都有關聯。

建議：16核+。

1.7 超大量級的業務場景，可以考慮跨叢集檢索

除非業務量級非常大，例如：滴滴、攜程的PB+的業務場景，否則基本不太需要跨叢集檢索。

1.8 叢集節點個數無需奇數

ES内部維護叢集通信，不是基于zookeeper的分發部署機制，是以，無需奇數。

但是discovery.zen.minimum_master_nodes的值要設定為：候選主節點的個數/2+1，才能有效避免腦裂。

1.9 節點類型優化配置設定

叢集節點數：<=3，建議：所有節點的master：true， data：true。既是主節點也是路由節點。

叢集節點數：>3, 根據業務場景需要，建議：逐漸獨立出Master節點和協調/路由節點。

1.10 建議冷熱資料分離

熱資料存儲SSD和普通曆史資料存儲機械磁盤，實體上提高檢索效率。

2、索引優化實踐

Mysql等關系型資料庫要分庫、分表。Elasticserach的話也要做好充分的考慮。

2.1 設定多少個索引？

建議根據業務場景進行存儲。

不同通道類型的資料要分索引存儲。舉例：知乎采集資訊存儲到知乎索引；APP采集資訊存儲到APP索引。

2.2 設定多少分片？

建議根據資料量衡量。

經驗值：建議每個分片大小不要超過30GB。

2.3 分片數設定？

建議根據叢集節點的個數規模，分片個數建議>=叢集節點的個數。

5節點的叢集，5個分片就比較合理。

注意：除非reindex操作，分片數是不可以修改的。

2.4副本數設定？

除非你對系統的健壯性有異常高的要求，比如：銀行系統。可以考慮2個副本以上。

否則，1個副本足夠。

注意：副本數是可以通過配置随時修改的。

2.5不要再在一個索引下建立多個type

即便你是5.X版本，考慮到未來版本更新等後續的可擴充性。

建議：一個索引對應一個type。6.x預設對應_doc，5.x你就直接對應type統一為doc。

2.6 按照日期規劃索引

随着業務量的增加，單一索引和資料量激增給的沖突凸顯。

按照日期規劃索引是必然選擇。

好處1：可以實作曆史資料秒删。很對曆史索引delete即可。注意：一個索引的話需要借助delete_by_query+force_merge操作，慢且删除不徹底。

好處2：便于冷熱資料分開管理，檢索最近幾天的資料，直接實體上指定對應日期的索引，速度快的一逼！

操作參考：模闆使用+rollover API使用。

2.7 務必使用别名

ES不像mysql方面的更改索引名稱。使用别名就是一個相對靈活的選擇。

3、資料模型優化實踐

3.1 不要使用預設的Mapping

預設Mapping的字段類型是系統自動識别的。其中：string類型預設分成：text和keyword兩種類型。如果你的業務中不需要分詞、檢索，僅需要精确比對，僅設定為keyword即可。

根據業務需要選擇合适的類型，有利于節省空間和提升精度，如：浮點型的選擇。

3.2 Mapping各字段的選型流程

3.3 選擇合理的分詞器

常見的開源中文分詞器包括：ik分詞器、ansj分詞器、hanlp分詞器、結巴分詞器、海量分詞器、“ElasticSearch最全分詞器比較及使用方法” 搜尋可檢視對比效果。

如果選擇ik，建議使用ik_max_word。因為：粗粒度的分詞結果基本包含細粒度ik_smart的結果。

3.4 date、long、還是keyword

根據業務需要，如果需要基于時間軸做分析，必須date類型；

如果僅需要秒級傳回，建議使用keyword。

4、資料寫入優化實踐

4.1 要不要秒級響應？

Elasticsearch近實時的本質是：最快1s寫入的資料可以被查詢到。

如果refresh_interval設定為1s，勢必會産生大量的segment，檢索性能會受到影響。

是以，非實時的場景可以調大，設定為30s，甚至-1。

4.2 減少副本，提升寫入性能。

寫入前，副本數設定為0，

寫入後，副本數設定為原來值。

4.3 能批量就不單條寫入

批量接口為bulk，批量的大小要結合隊列的大小，而隊列大小和線程池大小、機器的cpu核數。

4.4 禁用swap

在Linux系統上，通過運作以下指令臨時禁用交換：

sudo swapoff -a

5、檢索聚合優化實戰

5.1 禁用 wildcard模糊比對

資料量級達到TB+甚至更高之後，wildcard在多字段組合的情況下很容易出現卡死，甚至導緻叢集節點崩潰當機的情況。

後果不堪設想。

替代方案：

方案一：針對精确度要求高的方案:兩套分詞器結合，standard和ik結合，使用match_phrase檢索。
方案二：針對精确度要求不高的替代方案：建議ik分詞，通過match_phrase和slop結合查詢。

5.2極小的機率使用match比對

中文match比對顯然結果是不準确的。很大的業務場景會使用短語比對“match_phrase"。

match_phrase結合合理的分詞詞典、詞庫，會使得搜尋結果精确度更高，避免噪音資料。

5.3 結合業務場景，大量使用filter過濾器

對于不需要使用計算相關度評分的場景，無疑filter緩存機制會使得檢索更快。

舉例：過濾某郵編号碼。

5.4控制傳回字段和結果

和mysql查詢一樣，業務開發中，select * 操作幾乎是不必須的。

同理，ES中，_source 傳回全部字段也是非必須的。

要通過_source 控制字段的傳回，隻傳回業務相關的字段。

網頁正文content，網頁快照html_content類似字段的批量傳回，可能就是業務上的設計缺陷。

顯然，摘要字段應該提前寫入，而不是查詢content後再截取處理。

5.5 分頁深度查詢和周遊

分頁查詢使用：from+size;

周遊使用：scroll；

并行周遊使用：scroll+slice。

斟酌集合業務選型使用。

5.6 聚合Size的合理設定

聚合結果是不精确的。除非你設定size為2的32次幂-1，否則聚合的結果是取每個分片的Top size元素後綜合排序後的值。

實際業務場景要求精确回報結果的要注意。

盡量不要擷取全量聚合結果——從業務層面取TopN聚合結果值是非常合理的。因為的确排序靠後的結果值意義不大。

5.7 聚合分頁合理實作

聚合結果展示的時，勢必面臨聚合後分頁的問題，而ES官方基于性能原因不支援聚合後分頁。

如果需要聚合後分頁，需要自開發實作。包含但不限于：

方案一：每次取聚合結果，拿到記憶體中分頁傳回。

方案二：scroll結合scroll after集合redis實作。

6、業務優化

讓Elasticsearch做它擅長的事情，很顯然，它更擅長基于反向索引進行搜尋。

業務層面，使用者想最快速度看到自己想要的結果，中間的“字段處理、格式化、标準化”等一堆操作，使用者是不關注的。

為了讓Elasticsearch更高效的檢索，建議：

1）要做足“前戲”

字段抽取、傾向性分析、分類/聚類、相關性判定放在寫入ES之前的ETL階段進行；

2）“睡服”産品經理

産品經理基于各種奇葩業務場景可能會提各種無理需求。

作為技術人員，要“通知以情曉之以理”，給産品經理講解明白搜尋引擎的原理、Elasticsearch的原理，哪些能做，哪些真的“臣妾做不到”。

7、小結

實際業務開發中，公司一般要求又想馬兒不吃草，又想馬兒飛快跑。

對于Elasticsearch開發也是，硬體資源不足（cpu、記憶體、磁盤都爆滿）幾乎沒有辦法提升性能的。

除了檢索聚合，讓Elasticsearch做N多相關、不相幹的工作，然後得出結論“Elastic也就那樣慢，沒有想像的快”。

你腦海中是否也有類似的場景浮現呢？

提供相對NB的硬體資源、做好前期的各種準備工作、讓Elasticsearch輕裝上陣，相信你的Elasticsearch也會飛起來！

來日我們再相會…