Elasticsearch大文件检索性能提升20倍实践（干货）_elasticsearch 查询优化

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，可以戳这里获取

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！

GET /_search
{
“profile”: true,
“query” : {
“match” : { “message” : “message number” }
}
}

3） 换了全文接口api ，query\_string改成match query满足要求且速度有提升。


4）删除某些查询条件，在基础数据不变的条件下，查看查询速度是否快了（返回时间短了）。


验证发现，当不返回content字段（\_source控制）时，速度会变快。   
 当取消高亮字段处理，速度会更快。0.5秒之内返回结果。


至此，初步断定和高亮处理有关系。


### 步骤5：高亮问题排查及优化


通过论坛中网友的建议来看，都推荐对于大文件高亮使用： fast-vector-highlighter。


查询官网文档得知：   
 Elasticsearch高亮分为三种方式：


#### 方式1：传统plain高亮方式。


官网明确支持，该方式匹配慢，如果出现性能问题，请考虑其他高亮方式。


#### 方式2： postings 高亮方式。


支持postings高亮方式，需要在mapping下添加如下信息：

“type”: “text”,
“index_options” : “offsets”

添加完毕后，posting高亮方式将取代传统的高亮方式。


posting高亮方式的特点：   
 1）速度快，不需要对高亮的文档再分析。文档越大，获得越高 性能 。   
 2）比fvh高亮方式需要的磁盘空间少。   
 3）将text文件分割成语句并对其高亮处理。对于自然语言发挥作用明显，但对于html则不然。   
 4）将文档视为整个语料库，并 使用BM25算法 为该语料库中的文档打分。   
 使用举例：

PUT /example
{
“mappings”: {
“doc” : {
“properties”: {
“comment” : {
“type”: “text”,
“index_options” : “offsets”
}
}
}
}
}

#### 方式3： fast-vector-highlighter 简称fvh高亮方式。


如果在mapping中的text类型字段下添加了如下信息：

“type”: “text”,
“term_vector” : “with_positions_offsets”

fvh高亮方式将取代传统的plain高亮方式。


fvh高亮方式的特点如下：   
 1）当文件>1MB(大文件）时候，尤其适合fvh高亮方式。   
 2）自定义为 boundary\_scanner的扫描方式。   
 3) 设定了 term\_vector to with\_positions\_offsets会增加索引的大小。   
 4）能联合多字段匹配返回一个结果，详见matched\_fields。   
 5）对于不同的匹配类型分配不同的权重，如：pharse匹配比term匹配高。   
 举例：

PUT /example
{
“mappings”: {
“doc” : {
“properties”: {
“comment” : {
“type”: “text”,
“term_vector” : “with_positions_offsets”
}
}
}
}
}

最终选型：fvh高亮方式。首先：新建了索引，按照fvh的方式对content字段新设置了mapping；其次通过如下方式进行索引数据同步：

POST /_reindex
{
“source”: {
“index”: “test_index”
},
“dest”: {
“index”: “test_index_new”
}
}

实践结果表明，同样的大文件，原本检索>40S，现在2S之内返回结果。   
 没有改一行代码，只修改了mapping，效率提升了近20倍。


## 步骤5 小结


清醒认知，一切bug都是纸老虎。   
 多年开发经验让我深深认知到：


### 1,敢于暴露问题是开发者责任的体现。


这里包括所有技术问题，尤其是在测试人员、用户之前发现的问题。


### 2,出了bug，定位bug、根查bug是关键。


少瞎bb，少踢皮球。那些是市井“小市民”的专利，我们要敬而远之，也不要成为那样的人。   
 “出淤泥而不染”是程序员恪守的宝贵品格。


### 3,项目负责人要稳定军心。


你TM乱了，军心就焕然了。   
 不要板着脸，没有程序员亏欠你的，就事说事，对事不对人。


### 4,不同阶段说不同阶段的事，不马后炮。


到了上线阶段，说选型不合理、架构不合理，打谁的脸？   
 平时务必及时关注项目动态，提前关注技术难点和风险点，协调架构师等技术专家，和大家一起克服。   
 一切马后炮都是管理无能的体现！


### 5,拆解细化问题，并逐条列举排查思路是王道！


### 6,行胜于言！去做就是了。


解决问题的方法肯定比问题多。


[1] scroll和from size性能对比：   
 <http://www.cnblogs.com/xing901022/archive/2016/03/16/5284902.html>   
 [2]分解请求时间方式：   
 <https://www.elastic.co/guide/en/elasticsearch/reference/5.4/search-profile.html>


——————————————————————————————————   
 **更多ES相关实战干货经验分享**，请扫描下方【铭毅天下】微信公众号二维码关注。   
 （每周至少更新一篇！）


![这里写图片描述](https://img-blog.csdn.net/20170819144658928?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvbGFveWFuZzM2MA==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)   
 和你一起，**死磕Elasticsearch**！   


![img](https://img-blog.csdnimg.cn/img_convert/187c894dd974b8d77269bbdba8ac053e.png)
![img](https://img-blog.csdnimg.cn/img_convert/77d490464f57eae510b0f0642c137c5b.png)
![img](https://img-blog.csdnimg.cn/img_convert/237f6da5cd9adf33355213af428dc819.png)

**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**

**[需要这份系统化的资料的朋友，可以戳这里获取](https://bbs.csdn.net/topics/618608311)**

)]

**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**

**[需要这份系统化的资料的朋友，可以戳这里获取](https://bbs.csdn.net/topics/618608311)**