Solr调优参考-续

solr调优步骤参考

这篇blog主要以实践出发，从顶到底，从大到细的思路来进一步描述，solr优化，并且是基于横向发展来说的（管理更多core），对于纵向的（core内部、搜索核心技术）。

例如分词、queryparse、分词、实时、分布式的优化、排序等偏轻！

文章有不合理，或者错误的请及时反馈给鹰缘。

1. 最重要、最影响系统整体稳定和吞吐量(针对业务总索引布局优化)

毫无疑问数据的分区管理、扩容是入口。另外，对于长尾应用，就是大量的小搜索接入，此时管理平台是瓶颈。

参考建议1：

将数据分片，对于solr就是分多core，能细尽量细，单个solr instance上部署core。

保守数据，单coredocument数量控制在2000w以内。

真实场景：4g

memory上日常环境，单core的数据量不大，部署了34个core，没有出啥问题。真实物理机上部署过24core，单core超过6g的索引。

参考建议2：

如果可以，建索引和查询服务器独立开来，最好的方式是前后排，不行的话就弄个集中build。

前后排是最完美了，集中build在索引同步和core切换依然对线上查询有一定影响。

参考建议3：

全量索引构建和索引查询甚至可以分开优化，构建索引的引擎可以特殊调节参数，加速索引的构建。例如，并行document，单线程write

document，而多份数据同时运行，之后merger等。极端的可以采取c++ 版构建索引，前提是索引结构要一致。

参考建议4：

流式传输。索引本身就是基于segment的分片，便于增量，增量到一定程度支持merger为更大片增量。完全可以实习流式的segment级别的索引同步，要求一个可靠的传输协议。solr

目前基于commitpoint点的增量传输还可以进一步优化。

2.针对core的优化（针对单索引优化）

core的优化首先看schema的设置。

schema的字段，要每个字段每个字段去细扣。

能不stored的，将stored=false。多个需要stored的，可以考虑组成新的doc，存储到数据库，索引存共同id

能合并的，合并。合并的字段，例如属性类似的，可以考虑空格分开，然后term查询。

long short int的类型，统一使用trie类型。

如果文本排序很弱，全部text类型去掉频率位置信息，索引体积、性能有一定提升

对应时间、url等类型，执行转化、压缩，减少文本和索引相

单core里面分多子目录，solr里面能针对多子目录做快速定位查询的。

core可以共享index目录的，可以尝试多个core，共享相同索引目录。不同core处理一类特征请求，并针对性缓存相关信息。

3.针对query优化（针对单索引读优化）

query中能简单，尽量简单。fq使用的话，一定要配置相关cache，cache命中率反应参数大小。

fq尽管可以缓存，建议fq的粒度尽量大的同时能与其他query共享。fq的fastlrucache

值在追求命中率的同时，需要平衡gc，cache大了 gc会很频繁。

对应实时索引更新的，cache建议不要开了，频繁的reopen会导致cache的频繁迁移，实际效果不好。

facet的，这个值是lucene里面用到，能开大尽量开大，对gc尤其影响明显。慎重参数值。

在准确性上，queryparse建议使用dismax，除非对排序不是特别要求，要看具体业务，可以采取boolean 查询。

优先使用dismax，次之phrasequery，再次之booleanquery。

大区间、多or、多and等查询，需要针对性优化。优化上次尽量与solr统一，尤其是cache的统一，底层尽量往luceneapi靠近，尽量减少io、充分发挥cache、减少不必要的中间解析。需要兼顾相关度有时候。

如果有些数据的读写非常特别，不妨领出来，单独对象处理。例如放到本地cache中。

4.针对系统配置

主要是基础环境的选择。

jvm heap不是越大越好，要兼顾gc。新生代从小值开始，逐步增大到合适。让old去空间大些，perm去两值相同

在8g及以上，务必使用cms，cms的各参数也需要微调

极端情况，可以尝试关闭swapoff

在gc配置同时，关注cache的配置，cache往往在开启后，占住大量内存。

tomcat、jetty尽量使用轻量级容器。