ElasticSearch-聚合性能优化

• 启用 eager global ordinals 提升高基数聚合性能
• 插入数据时对索引进行预排序
• 使用节点查询缓存
• 使用分片请求缓存
• 拆分聚合，使聚合并行化

---

• 启用 eager global ordinals 提升高基数聚合性能
  • 高基数聚合场景中的高基数含义：一个字段包含很大比例的唯一值
  • 适用场景：高基数聚合
• global ordinals（全局序号），是一种数据结构，应用场景：
  • 基于 keyword，ip 等字段的分桶聚合
    • 包含：terms聚合、composite 聚合等
  • 基于 text 字段的分桶聚合（前提条件是：fielddata 开启）
  • 基于父子文档 Join 类型的 has_child 查询和父聚合
• global ordinals 使用一个数值代表字段中的字符串值，然后为每一个数值分配一个 bucket（分桶）
• global ordinals 的本质是：启用 eager_global_ordinals 时，会在刷新（refresh）分片时构建全局序号
  • 这将构建全局序号的成本从搜索阶段转移到了数据索引化（写入）阶段
• 创建索引的同时开启：eager_global_ordinals

PUT /my‐index
{"mappings":{"properties":{"tags":{"type":"keyword",
   "eager_global_ordinals":true}}}

• 开启 eager_global_ordinals 会影响写入性能，因为每次刷新时都会创建新的全局序号
  • 为了最大程度地减少由于频繁刷新建立全局序号而导致的额外开销，请调大刷新间隔 refresh_interval
• 动态调整刷新频率

PUT my‐index/_settings
{"index":{"refresh_interval":"30s"}

---

• 插入数据时对索引进行预排序
  • Index sorting （索引排序）可用于在插入时对索引进行预排序，而不是在查询时再对索引进行排序
    • 这将提高范围查询（range query）和排序操作的性能
  • 创建新索引时，可以配置如何对每个分片内的段进行排序（Elasticsearch 6.X 之后版本才有的特性）

PUT /my_index
{"settings":{"index":{"sort.field":"create_time","sort.order":"desc"}},
 "mappings":{"properties":{"create_time":{"type":"date"}}}}

• 预排序将增加 Elasticsearch 写入的成本
  • 在某些用户特定场景下，开启索引预排序会导致大约 40%-50% 的写性能下降
  • 如果用户场景更关注写性能的业务，开启索引预排序不是一个很好的选择

---

• 使用节点查询缓存：节点查询缓存（Node query cache）可用于有效缓存过滤器（filter）操作的结果
  • 如果多次执行同一 filter 操作，这将很有效，但是即便更改过滤器中的某一个值，也将意味着需要计算新的过滤器结果

GET /my_index/_search
{"query":{"constant_score":{"filter":{
 "range":{"create_time":{"gte":"now‐1h/m","lte":"now/m"}}}}}}

• “now-1h/m” 就是 datemath 的格式：将其四舍五入到最接近的分钟/小时等
  • 如果当前时间 now 是：16:31:29，那么range query 将匹配 my_date 介于：15:31:00 和 15:31:59 之间
  • 聚合的前半部分 query 中如果有基于时间查询，或者后半部分 aggs 部分中有基于时间聚合的，建议都使用 datemath 方式做缓存处理以优化性能

---

• 使用分片请求缓存
  • 聚合语句中，设置size:0，就会使用分片请求缓存缓存结果
  • size = 0 的含义是：只返回聚合结果，不返回查询结果

GET /es_db/_search
{"size":0,"aggs":{"remark_agg":{"terms":{"field":"remark.keyword"}}}}

---

• 拆分聚合，使聚合并行化
  • Elasticsearch 查询条件中同时有多个条件聚合，默认情况下聚合不是并行运行的
  • 当为每个聚合提供自己的查询并执行 msearch 时，性能会有显著提升
  • 如果想缩短响应时间，可以将多个聚合拆分为多个查询
    • 借助：msearch 实现并行聚合

GET _msearch
{"index":"employees"}
{"size":0,"aggs":{"job_agg":{"terms":{"field":"job.keyword"}}}} 
{"index":"employees"}
{"size":0,"aggs":{"max_salary":{"max":{"field":"salary"}}}}