elasticsearhc缓存的使用

Elasticsearch 的缓存主要分成三大类

1. Node Query Cache (Filter Context)
2. Shard Query Cache (Cache Query的结果)
3. Fielddata Cahce

Node Query Cache
每一个节点有要给Node Query 缓存
- 由该节点的所有Shard 共享，只缓存Filter Context 相关内容
区别1
Filter：在查询过程中，Filter只判断该文档是否满足条件，只有YES或者NO。
Query：除了问YES或NO，还会问匹配的程度。
区别2
FIlter就是用来做数据过滤的，ES会对它的结果进行缓存，所以相较于Query而言Filter的速度会更快。

• Cache采用LRU算法

静态配置，需要设置在每个Data Node 上
Node Level - indices.queries.cache.size: “10%”
index Level: index.queries.cache.enabled:true

Shard Request Cache

• 缓存每个分片上的查询结果
  只会缓存设置了size = 0 的查询对应的结果，不会缓存hitst。
  但是会缓存Aggregations 和 Suggestions
• Cahce Key
  LRU 算法，将整个JSON 查询串作为key，与json对象的顺序相关
• 静态配置
  数据节点: indices.requests.cache.size:“1%”

缓存失效
Node Query Cache
保存的是Segment级缓存命中的结果。Segment被合并后，缓存会失效
Shard Request Cache
分片Refresh时候，Shard Request Cache会失效，如果Shard 对应的数据频繁发生比变化，该缓存的失效很差
Fielddata Cache
Segment 被合并后，会失效

GET _nodes/stats/indices?pretty

GET _cat/nodes?v&h=name,queryCacheMemory,queryCacheEvictions,requestCacheMemory,requestCacheHitCount,rquest_cache.miss_count

GET _cat/nodes?h=name,port,segments.memory,segments.index_writer_memory,fielddata.memory_size,query_cache.memory_size,request_cache.memory_size&v

GET /_nodes/stats/breaker?

GET /_nodes/stats/breaker?
Tripped 大于0 说明由过熔断
Limit size 与 estimated size 约接近，越可能引发熔断

增加了 indices.breaker.total.use_real_memory 配置项，可以更加精准的分析内存状况，避免OOM