ElasticSearch内存详解

On Heap&&Off Heap

    Elasticsearch内存分为on heap以及off heap两部分。Elasticsearch能控制的是On Heap内存部分，这部分由JVM管理；Off Heap由Lucene管理，负责缓存倒排索引数据空间（Segment Memory）。

On Heap

• Indexing Buffer 索引写入缓冲区，用于存储新写入的文档，当其被填满时，缓冲区中的文档被写入磁盘中的 segments 中。节点上所有 shard 共享。这部分空间是可以通过GC被反复利用的。
  缓冲区默认大小：

   indices.memory.index_buffer_size: 10%

  
  如果缓冲区大小设置了百分比，则 indices.memory.min_index_buffer_size 用于这是最小值，默认为 48mb。indices.memory.max_index_buffer_size 用于最大大小，无默认值。
• Node Query Cache (node级别的filter过滤器结果缓存)，每个节点有一个，被所有 shard 共享，filter query查询结果要么是 yes 要么是no，不涉及 scores 的计算。使用LRU淘汰策略，内存无法被GC。
  集群中每个节点都要配置，默认为：

  indices.queries.cache.size:10%

  可以通过配置关闭该缓存

  "settings": {
      "index.queries.cache.enable": false
    }

   

• Shard Request Cache （shard级别的query result缓存）每个shard一个，默认情况下该缓存只缓存request的结果size为0的查询。所以该缓存不会缓存hits，但却会缓存 hits.total, aggregations 和 suggestions。可以通过Clear cache API清除缓存。另外该缓存默认是关闭的，需要手动开启，可以使用下面配置开启该缓存：

"settings": {
    "index.requests.cache.enable": true
  }

       开启缓存后，我们需要在那些需要缓存的搜索请求上加上request_cache=true这个参数才能使我们的查询请求被缓存，语句如下（size=0也是缓存生效的必要条件）：

curl 'localhost:9200/index_name/_search?request_cache=true' -d'
{
	"size": 0,
	"aggs": {
		"popular_colors": {
			"terms": {
				"field": "colors"
			}
		}
	}
}
'

      另外该缓存在shard没有新数据写入时会一直存在；当有新数据写入时，每次的refresh操作都会使旧的缓存数据失效。    

      该缓存使用LRU淘汰策略，内存无法被GC。默认最大为：

indices.requests.cache.size:1%

 

• Field Data Cache （用于排序、聚合使用的字段的缓存，只针对analyzed的String类型的字段，其他类型字段的排序以及聚合使用doc_values）。因为构建字段数据缓存代价昂贵，所以建议有足够的内存来存储。
  Fielddata 是 延迟 加载。如果你从来没有聚合一个analyzed的字符串，就不会加载 fielddata 到内存中。如果没有足够的内存保存fielddata时，Elastisearch会不断地从磁盘加载数据到内存，并剔除掉旧的内存数据。剔除操作会造成严重的磁盘I/O，并且引发大量的GC，会严重影响Elastisearch的性能。

       该配置默认无内存上限，但是可以通过配置来设置占用的heap总量：

indices.fielddata.cache.size：30%

        但是建议配置该项的值，并将该项的值设置的小于断路器的值（indices.breaker.fielddata.limit，默认是60%JVM堆内存），当查询尝试加载更多数据到内存时会抛异常（以此来阻止JVM OOM发生）。

• Segments Cache（segments FST数据的缓存），为了加速查询，FST 永驻堆内内存，无法被 GC 回收。该部分内存无法设置大小，长期占用 50% ~ 70% 的堆内存，只能通过delete index，close index以及force-merge index释放内存。

        解释下FST：

        ES 底层存储采用 Lucene（搜索引擎），写入时会根据原始数据的内容，分词，然后生成倒排索引。查询时，先通过  查询倒排索引找到数据地址（DocID）），再读取原始数据（行存数据、列存数据）。但由于 Lucene 会为原始数据中的每个词都生成倒排索引，数据量较大。所以倒排索引对应的倒排表被存放在磁盘上。这样如果每次查询都直接读取磁盘上的倒排表，再查询目标关键词，会有很多次磁盘 IO，严重影响查询性能。为了解磁盘 IO 问题，Lucene 引入排索引的二级索引 FST [Finite State Transducer] 。原理上可以理解为前缀树，加速查询。

Off Heap

       Lucene 中的 倒排索引 segments 存储在文件中，由Lucene管理，为提高访问速度，都会把它加载到内存中，从而提高 Lucene 性能。所以建议至少留系统一半内存给Lucene。

        解释下Segment Cache，Segment Memory以及Segment的定义与关系

	位置	存储数据	调用关系
Segment Cache	Heap	Segment的FST数据	Segment-->Segment Cache(加载) Client-->Segment Cache（查询）
Segment Memory	Off Heap	通过Segment Cache的FST关联出Segment数据， 加载到Off Heap用于加速查询	Segment-->Segment Memory（加载） Client-->Segment Memory（查询）
Segment	Disk	原始的Lucene数据	Segment Cache-->Segment(查询) Segment-->Segment Memory（查询加载） Segment-->Segment Cache(持续加载) index Buffer-->Segment（持续写入）