ES调优经验分享_cluster，2024年最新2024年百度软件测试面试真题

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新软件测试全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上软件测试知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip1024b （备注软件测试）

正文

“cluster”: {
“routing”: {
“allocation”: {
“enable”: “all”,
“cluster_concurrent_rebalance”: “8”,
“node_concurrent_recoveries”: “15”
}
}
}
}
}

避免shard的频繁rebalance，将allocation的类型设置为new_primaries, 将默认并行rebalance由2设置为更大的一些的值

避免每次更新mapping, 针对2.x以下的版本

“indices.cluster.send_refresh_mapping”: false

调整threadpool, size不要超过core数目，否则线程之间的context switching会消耗掉大量的cpu时间，导致load过高。 如果没有把握，那就不要去调整。

定期清理cache

为避免fields data占用大量的jvm内存，可以通过定期清理的方式来释放缓存的数据。释放的内容包括field data, filter cache, query cache

curl -XPOST “localhost:9200/_cache/clear”

ES平衡分片

“cluster.routing.allocation.balance.shard”:“0.45f”,//定义分配在该节点的分片数的因子 阈值=因子*（当前节点的分片数-集群的总分片数/节点数，即每个节点的平均分片数）

“cluster.routing.allocation.balance.index”:“0.55f”,//定义分配在该节点某个索引的分片数的因子，阈值=因子*（保存当前节点的某个索引的分片数-索引的总分片数/节点数，即每个节点某个索引的平均分片数）

“cluster.routing.allocation.balance.threshold”:“1.0f”,//超出这个阈值就会重新分配分片

“cluster.routing.allocation.total_shards_per_node”:-1,//单个节点的最大分片数

//Disk-based Shard Allocation
“cluster.routing.allocation.disk.threshold_enabled”:true,//是否开启基于硬盘的分发策略
“cluster.routing.allocation.disk.watermark.low”:“85%”,//不会分配分片到硬盘使用率高于这个值的节点
“cluster.routing.allocation.disk.watermark.high”:“90%”,//如果硬盘使用率高于这个值，则会重新分片该节点的分片到别的节点
“cluster.info.update.interval”:“30s”,//当前硬盘使用率的查询频率
“cluster.routing.allocation.disk.include_relocations”:true,//计算硬盘使用率时，是否加上正在重新分配给其他节点的分片的大小

归并线程配置

segment 归并的过程，需要先读取 segment，归并计算，再写一遍 segment，最后还要保证刷到磁盘。可以说，这是一个非常消耗磁盘 IO 和 CPU 的任务。所以，ES 提供了对归并线程的限速机制，确保这个任务不会过分影响到其他任务。

在 5.0 之前，归并线程的限速配置 indices.store.throttle.max_bytes_per_sec 是 20MB。对于写入量较大，磁盘转速较高，甚至使用 SSD 盘的服务器来说，这个限速是明显过低的。对于 Elastic Stack 应用，社区广泛的建议是可以适当调大到 100MB或者更高。

curl -XPUT http://127.0.0.1:9200/_cluster/settings -d’

{
“persistent” : {
“indices.store.throttle.max_bytes_per_sec” : “100mb”
}
}’

5.0 开始，ES 对此作了大幅度改进，使用了 Lucene 的 CMS(ConcurrentMergeScheduler) 的 auto throttle 机制，正常情况下已经不再需要手动配置 indices.store.throttle.max_bytes_per_sec 了。官方文档中都已经删除了相关介绍，不过从源码中还是可以看到，这个值目前的默认设置是 10240 MB。

归并线程的数目，ES 也是有所控制的。默认数目的计算公式是： Math.min(3, Runtime.getRuntime().availableProcessors() / 2)。即服务器 CPU 核数的一半大于 3 时，启动 3 个归并线程；否则启动跟 CPU 核数的一半相等的线程数。相信一般做 Elastic Stack 的服务器 CPU 合数都会在 6 个以上。所以一般来说就是 3 个归并线程。如果你确定自己磁盘性能跟不上，可以降低index.merge.scheduler.max_thread_count 配置，免得 IO 情况更加恶化。

归并策略

归并线程是按照一定的运行策略来挑选 segment 进行归并的。主要有以下几条：

• index.merge.policy.floor_segment 默认 2MB，小于这个大小的 segment，优先被归并。
• index.merge.policy.max_merge_at_once 默认一次最多归并 10 个 segment
• index.merge.policy.max_merge_at_once_explicit 默认 forcemerge 时一次最多归并 30 个 segment。
• index.merge.policy.max_merged_segment 默认 5 GB，大于这个大小的 segment，不用参与归并。forcemerge 除外。

根据这段策略，其实我们也可以从另一个角度考虑如何减少 segment 归并的消耗以及提高响应的办法：加大 flush 间隔，尽量让每次新生成的 segment 本身大小就比较大。

forcemerge 接口

既然默认的最大 segment 大小是 5GB。那么一个比较庞大的数据索引，就必然会有为数不少的 segment 永远存在，这对文件句柄，内存等资源都是极大的浪费。但是由于归并任务太消耗资源，所以一般不太选择加大 index.merge.policy.max_merged_segment 配置，而是在负载较低的时间段，通过 forcemerge 接口，强制归并 segment。

curl -XPOST http://127.0.0.1:9200/logstash-2015-06.10/_forcemerge?max_num_segments=1

由于 forcemerge 线程对资源的消耗比普通的归并线程大得多，所以，绝对不建议对还在写入数据的热索引执行这个操作。这个问题对于 Elastic Stack 来说非常好办，一般索引都是按天分割的。更合适的任务定义方式

其它

• marvel: 安装marvel插件，多观察系统资源占用情况，包括内存，cpu
• 日志: 对es的运行日志要经常查看，检查index配置是否合理，以及入库数据是否存在异常

调优之后的运行效果

写入量稳定在30K/s

【重新分配分片】

Elasticsearch通过reroute api重新分配分片

elasticsearch可以通过reroute api来手动进行索引分片的分配。

不过要想完全手动，必须先把cluster.routing.allocation.disable_allocation参数设置为true，禁止es进行自动索引分片分配，否则你从一节点把分片移到另外一个节点，那么另外一个节点的一个分片又会移到那个节点。数据量很少的时候,可能影响不大,但是如果数据量很大,这个参数必须要设置,因为如果不设置,即便你不手动迁移分片,在我们重启机群的时候,也会产生分片的迁移,导致大量资源被占用,重启变慢.

一共有三种操作，分别为：移动（move），取消（cancel）和分配（allocate）。下面分别介绍这三种情况：

移动（move）

把分片从一节点移动到另一个节点。可以指定索引名和分片号。

取消（cancel）

取消分配一个分片。可以指定索引名和分片号。node参数可以指定在那个节点取消正在分配的分片。allow_primary参数支持取消分配主分片。

分配（allocate）

分配一个未分配的分片到指定节点。可以指定索引名和分片号。node参数指定分配到那个节点。allow_primary参数可以强制分配主分片，不过这样可能导致数据丢失。我一般用来清空某个未分配分片的数据的时候才设置这个参数

集群索引中可能由多个分片构成，并且每个分片可以拥有多个副本，将一个单独的索引分为多个分片，可以处理不能在单一服务器上运行的
大型索引.
由于每个分片有多个副本，通过副本分配到多个服务器，可以提高查询的负载能力.
为了进行分片和副本操作，需要确定将这些分片和副本放到集群节点的哪个位置，需要确定把每个分片和副本分配到哪台服务器/节点上.

1.索引创建&指定节点参数：
$curl -XPOST ‘http://localhost:9200/filebeate-ali-hk-fd-tss1’
$curl -XPUT ‘http://localhost:9200/filebeat-ali-hk-fd-tss1/_settings’ -d ‘{
“index.routing.allocation.include.zone”:“ali-hk-ops-elk1”
}’
将索引指定存放在elk1的节点上

$curl -XPUT ‘http://localhost:9200/filebeat-ali-hk-fd-tss1/settings’ -d ‘{
“index.routing.allocation.include._ip”:“ip_addr1,ip_addr2”
}’
根据ip地址指定索引的分配节点

2.排除索引分配的节点：
$curl -XPOST ‘http://localhost:9200/filebeat-ali-hk-fd-tss2’
$curl -XPUT ‘http://localhost:9200/filebeat-ali-hk-fd-tss2/_setting’ -d ‘{
“index.routing.allocation.exclude.zone”:“ali-hk-ops-elk2”
}’

$curl -XPUT ‘http://localhost:9200/filebeat-ali-hk-fd-tss2/_setting’ -d ‘{
“index.routing.allocation.exclude._ip”:“ip_addr1,ip_addr2”
}’
根据ip地址排除索引分配的节点

3.每个节点上分片和副本数量的控制：
对一个索引指定每个节点上的最大分片数量：
$curl -XPUT ‘http://localhost:9200/filebeat-ali-hk-fd-tss1/_settings’ -d ‘{
“index.routing.allocation.total_shards_per_node”:1
}’

如果配置不当，导致主分片无法分配的话，集群就会处于red状态.

4.手动移动分片和副本：
移动分片：
$curl -XPOST ‘http://localhost:9200/_cluster/reroute’ -d ‘{
“commands”:[{
“move”:{
“index”:“filebeat-ali-hk-fd-tss1”,
“shard”:1,
“from_node”:“ali-hk-ops-elk1”,
“to_node”:“ali-hk-ops-elk2”
}
}]
}’

取消分片：
$curl -XPOST ‘http://localhost:9200/_cluster/reroute’ -d ‘{
“commands”:[{
“cancel”:{
“index”:“filebeat-ali-hk-fd-tss1”,
“shard”:1,
“node”:“ali-hk-ops-elk1”
}
}]
}’

分配分片（用来分配未分配状态的分片，会导致数据丢失）：
$curl -XPOST ‘http://localhost:9200/_cluster/reroute’ -d '{
“commands”:[{
“allocate”:{
“index”:“filebeat-ali-hk-fd-tss1”,
“shard”:1,
“node”:“ali-hk-ops-elk1”,

allow_primary" : true   (允许该分片做主分片)

}
}]
}’

将某个未分配的索引手动分配到某个节点上.

$curl -XPOST ‘http://localhost:9200/_cluster/reroute’ -d ‘{
“commands”:[
{
“move”:{
“index”:“filebeat-ali-hk-fd-tss1”,
“shard”:1,
“from_node”:“ali-hk-ops-elk1”,
“to_node”:“ali-hk-ops-elk2”
}
},
{
“cancel”:{
“index”:“filebeat-ali-hk-fd-tss1”,
“shard”:1,
“node”:“ali-hk-ops-elk1”
}
},
{
“allocate”:{
“index”:“filebeat-ali-hk-fd-tss1”,
“shard”:1,
“node”:“ali-hk-ops-elk1”
}
}]
}’

5.关于unassigned shards的问题解决：

1)出现大量的unassigned shards
2)集群的状态为：red

集群状态：red–>存在不可用的主分片

A:fix unassigned shards:
查看所有分片的状态：
$curl -XGET ‘http://localhost:9200/_cat/shards’
查询所有unassigned的分片：
$curl -XGET ‘http://localhost:9200/_cat/shards’ | grep UNASSIGNED

B:查询得到master节点的唯一标识：
$curl -XGET ‘http://localhost:9200/_nodes/process?pretty=true’

C:执行route对unassigned的索引进行手动分片：
for index in $(curl -XGET ‘http://localhost:9200/_cat/shards’ | grep UNASSIGNED |awk ‘{print 1}’|sort |uniq):do for shards in1}'|sort |uniq):do for shards in(curl -XGET ‘http://localhost:9200/_cat/shards’ | grep UNASSIGNED | grep index | awk '{printindex | awk ‘{print2}’|sort|uniq):do
curl XPOST 'http://localhost:9200/_cluster/reroute’-d ‘{
“commands”:[
{
“allocate”:{
“index”:index,“shards”:index,“shards”:shards,
“node”:“ali-k-ops-elk1”,
“allow_primary”:“true”
}
}
]
}’

=============================================================

集群升级操作

#1、  关闭自动分片
PUT  _cluster/settings
{
“persistent”:  {
“cluster”:  {
“routing”:  {
“rebalance”:  {
“enable”:  “none”
},
“allocation”:  {
“enable”:  “none”
}
}
}
}
}

#2、  备份老配置cp  elasticsearch.yml  elasticsearch.yml_20181017  然后在每个节点增加如下配置到elasticsearch.yml，去除历史相同配置
#3、  更新后的节点依次重启操作：确保前一个节点启动正常，并且状态正常后再重启下一个节点

通过es_head插件关闭索引，停止ES集群
#    重启整个集群：顺序是先启master组（所有的master重启完成后要停止集群的shard自动均衡），再启hot组节点，最后启stale组节点
relo、init、unassign这3项都变成0
#4、  集群正常后，开启自动分片
PUT  _cluster/settings
{
“persistent”:  {
“cluster”:  {
“routing”:  {
“rebalance”:  {
“enable”:  “all”
},
“allocation”:  {
“enable”:  “all”
}
}
}
}
}

#  memory_lock
bootstrap.memory_lock:  true

#  cache  
indices.cache.cleanup_interval:  5m
indices.memory.index_buffer_size:  20%
indices.queries.cache.count:  100000
indices.queries.cache.size:  10%
indices.requests.cache.size:  10%
indices.requests.cache.expire:  5m
indices.store.throttle.type:  none

#  search
search.highlight.term_vector_multi_value:  false

#  thread_pool
thread_pool.bulk.size:  20
thread_pool.search.size:  25
thread_pool.bulk.queue_size:  1024
thread_pool.force_merge.size:  4

#  fielddata
indices.fielddata.cache.size:  40%

磁盘性能测试：
1、先熟悉两个特殊的设备：
（1）/dev/null：回收站、无底洞。
（2）/dev/zero：产生字符。

2、测试磁盘写能力
time  dd  if=/dev/zero  of=/cy/testw.dbf  bs=4k  count=10000
real  0m36.669s
写速度为：4*10000/1024/36.669=M/s。
rm  -f  /cy/testw.dbf

3、测试磁盘读能力
time  dd  if=/dev/sdb  of=/dev/null  bs=4k

4、测试同时读写能力
time  dd  if=/dev/sdb  of=/cy/testrw.dbf  bs=4k
rm  -f  /cy/testrw.dbf

系统参数调优：
sysctl  -w  vm.dirty_ratio=20
sysctl  -w  vm.dirty_background_ratio=10

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip1024b （备注软件测试）

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

4、测试同时读写能力
time  dd  if=/dev/sdb  of=/cy/testrw.dbf  bs=4k
rm  -f  /cy/testrw.dbf

系统参数调优：
sysctl  -w  vm.dirty_ratio=20
sysctl  -w  vm.dirty_background_ratio=10

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip1024b （备注软件测试）
[外链图片转存中…(img-LaaFqZFQ-1713301696721)]

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！