ElasticSearch性能优化策略

ElasticSearch性能优化主要分为4个方面的优化。
一、服务器部署
1、增加1-2台服务器，用于负载均衡节点
elasticSearch的配置文件中有2个参数：node.master和node.data。这两个参 数搭配使用时，能够帮助提供服务器性能。
1.1> node.master: false node.data: true
该node服务器只作为一个数据节点，只用于存储索引数据。使该node服务器功能 单一，只用于数据存储和数据查询，降低其资源消耗率。
1.2> node.master: true node.data: false
该node服务器只作为一个主节点，但不存储任何索引数据。该node服务器将使用 自身空闲的资源，来协调各种创建索引请求或者查询请求，讲这些请求合理分发到相关 的node服务器上。
1.3> node.master: false node.data: false
该node服务器即不会被选作主节点，也不会存储任何索引数据。该服务器主要用 于查询负载均衡。在查询的时候，通常会涉及到从多个node服务器上查询数据，并请 求分发到多个指定的node服务器，并对各个node服务器返回的结果进行一个汇总处理， 最终返回给客户端。
2、关闭data节点服务器中的http功能
针对ElasticSearch集群中的所有数据节点，不用开启http服务。将其中的配置 参数这样设置：http.enabled: false，同时也不要安装head, bigdesk, marvel等监控 插件，这样保证data节点服务器只需处理创建/更新/删除/查询索引数据等操作。
http功能可以在非数据节点服务器上开启，上述相关的监控插件也安装到这些服 务器上，用于监控ElasticSearch集群状态等数据信息。
这样做一来出于数据安全考虑，二来出于服务性能考虑。
3、一台服务器上最好只部署一个Node
一台物理服务器上可以启动多个Node服务器节点（通过设置不同的启动port）， 但一台服务器上的CPU,内存，硬盘等资源毕竟有限，从服务器性能考虑，不建议一台 服务器上启动多个node节点。

二、服务器配置
1、配置索引线程池的大小
ElastiSearch服务器有多个线程池大小配置。主要有：index，search，suggest， get，bulk，percolate，snapshot，snapshot_data，warmer，refresh。
在此主要针对index和search进行一个配置调整。index操作包含：创 建/更新/删除索引数据。search操作主要针对用户的各种搜索操作。
具体配置如下：
threadpool:
index:
type: fixed
size: 100
search:
type: fixed
size: 1000
2、创建/查找索引设置相同的分词解析器
索引服务器用到了ik中文分词插件，对于添加到该搜索服务器中的数据都使用该 中文分词（例如orgglobal对象中的orgName就使用了ik中文分词）。当执行搜索请求 时，搜索关键词也需要用到相关的中文分词器，如果不指定设置的话，则会使用服务器 默认的中文分词standard，而使用standard作为中文分词器进行查询时，性能不好。 通过将ik中分词设置为默认的分词器时，则查询效率是standard的2-3倍。
该配置具体如下：
index:
analysis:
analyzer:
ik:
alias: [news_analyzer_ik,ik_analyzer]
type: org.elasticsearch.index.analysis.IkAnalyzerProvider
index.analysis.analyzer.default.type: ik
3、确定分片(shard)的数量和副本(replica)的数量
ElasticSearch在创建索引数据时，最好指定相关的shards数量和replicas，
否则会使用服务器中的默认配置参数shards=5，replicas=1。
因为这两个属性的设置直接影响集群中索引和搜索操作的执行。假设你有足够的
机器来持有碎片和副本，那么可以按如下规则设置这两个值：
     1) 拥有更多的碎片可以提升索引执行能力，并允许通过机器分发一个大型的索引；
     2) 拥有更多的副本能够提升搜索执行能力以及集群能力。
  对于一个索引来说，number_of_shards只能设置一次，而number_of_replicas可以使用索引更新设置API在任何时候被增加或者减少。
这两个配置参数在配置文件的配置如下：
index.number_of_shards: 5
index.number_of_shards: 1
4、查询速度慢的日志配置
在进行实际应用中，会记录下查询速度慢或者添加索引速度慢的操作记录，为后
续性能优化提供依据。其具体配置如下：
index.search.slowlog.threshold.query.warn: 10s
index.search.slowlog.threshold.query.info: 5s
index.search.slowlog.threshold.query.debug: 2s
index.search.slowlog.threshold.query.trace: 500ms

index.search.slowlog.threshold.fetch.warn: 1s
index.search.slowlog.threshold.fetch.info: 800ms
index.search.slowlog.threshold.fetch.debug: 500ms
index.search.slowlog.threshold.fetch.trace: 200ms

index.indexing.slowlog.threshold.index.warn: 10s
index.indexing.slowlog.threshold.index.info: 5s
index.indexing.slowlog.threshold.index.debug: 2s
index.indexing.slowlog.threshold.index.trace: 500ms
三、数据结构优化
1、尽量减少不需要的字段
ElasticSearch中存储的数据是用于搜索服务，因此其他一些不需要用于搜索的字段最好不存到ES中，这样即节省空间，同时在相同的数据量下，也能提高搜索性能。
2、routing值的设置
通常情况下，往ElasticSearch服务器添加索引数据时，是无需指定routing值。ElasticSearch会根据索引Id，将该条数据存储到ElasticSearch集群中的一个shard中。而当指定了routing值为accountId(用户Id)，则ElasticSearch会将相同accountId的多个数据都存放到同一个shard中，后续查询的时候，在指定routing值后，ElasticSearch只需要查询一个shard就能得到所有需要的数据，而不用再去查询所有的shard，从而大大提供了搜索性能。
四、运行期优化
1、optimize
随着时间的推移，ElasicSearch中每个shard的数据也会越来越多，索引越来越大，而生成的segment（在每个shard中，每个索引文件实际是由多个sgment文件组成）也会越来越多。而segment越多的话，则查询的性能越差，所以通过调用optimize命令，将多个segment合并成更少数量的segment(最少为一个)，从而来提高查询性能。
在调用该命令时，可以设置几个参数，这些参数的具体含义如下：
1.1> max_num_segments
段数优化。要全面优化索引，将其设置为1。默认设置只需检查是否需要执行一个合并，如果需要，则执行它。【经过测试，该值越小，查询速度越快】
1.2> only_expunge_deletes
该优化操作是否只清空打有删除标签的索引记录。在Lucence中，在执行删除操作时，不会直接删除segment中的记录，而是对该记录打上delete标签。当多个segment进行合并操作时，就会生成一个新的segment，而该新的segment中不再包含删除的记录。这个参数允许只对哪些包含删除记录的segment进行优化操作。
1.3>flush
在执行完优化操作之后，再执行刷新操作。默认值为true
1.4>wait_for_merge
当该参数设置为true时，表示其他请求操作要等到合并segment操作结束之后，再进行响应。值得注意的是，由于这个优化操作是一个非常耗时，耗资源的事情，用户提交的请求操作是不能容忍等待这么久，所以这个参数最好设置为false.
具体调用命令如下：
http://localhost:9200/indexName/_optimize?only_expunge_deletes=true&wait_for_merge=false
2、warmers
当ElasticSearch服务器启动之后，业务系统中要使用的索引数据暂时没有导入到内存中，因此当用户进行第一次数据搜索时，会因为数据导入耗时很久，而严重影响用户的使用体验。为了解决该问题，可以使用warmer工具。通过ElastiSearch提供的工具，可以register/delete/get特定名称的warmer。通常情况下，warmer包含的请求需要载入大量的索引数据（例如在数据搜索中需要针对特定字段的排序操作，或者用到一些聚合sum,min,max函数的查询等），这样才能达到预热的效果。
具体调用示例如下（下面的warmer是针对索引名为test的warmer,warmer定义的名字为warmer_1）：
curl -XPUT localhost:9200/test/_warmer/warmer_1 -d '{
    "query" : {
        "match_all" : {}
    },
    "aggs" : {
        "aggs_1" : {
            "terms" : {
                "field" : "field"
            }
        }
    }
}'