ElasticSearch 优化指南

一、宏观设置

1. 注意CPU核数，CPU的核数将影响Thread Pool，也就是和检索与索引的线程池有关，建议CPU在16核+；
2. 根据需要设置索引和type，因为高版本（6.0+）index里面只能有一个type，所以建议在低版本里面即采用这一设定，并且这里也要考虑到版本迭代里面的父子文档。
3. 合理设置分片和副本，分片一般大于等于节点数，副本根据需要进行设置，分片容量一般不要大于30GB。
4. 冷热数据分离

二、索引优化

1. 牺牲近实时搜索，修改refresh的时间。一般情况下refresh_interval设置为1s,表示1秒后即可搜索。如果设置时间长，或者-1(-1表示关闭自动刷新)，可以优化索引。
2. 减少副本，在索引前将副本设置为0，生成后将其还原。
3. 能批量就不要单条插入，尽量多使用bulk。

三、搜索优化

1. 少用wildcard进行查询，TB+的数据上，很容易卡死。

2. 中文使用match匹配是不准确的，使用matchPhrace短语匹配更加准确，其实使用term的查询代价更小，只是对于中文搜索不太准确。

3. 如果该字段不需要计算相关度评分，使用filter更加迅速。
   query和Filter对比：
   query是有两个操作：查询和计算相关度，而filter是仅仅是判断是否满足条件，并且Es会自动缓存过滤器的内容。

过滤上下文是在使用filter参数时候的执行环境，比如在bool查询中使用Must_not或者filter。

4. 尽可能避免深度分页。
   深度分页的问题在于数据时存储在分片上的，也就是说查第100页的10条数据，必须在5个分页上查出前1000条的数据，将这些5000数据进行排序，取其前10条数据，可想而知，分页越往后效率越低。
   并且当 from + size > max_result_window （Es设置，默认10000）时，es 将返回错误。
5. 聚合分页size的合理设置。Es处于性能考虑，不支持聚合分页。

方案一：每次取聚合结果，拿到内存中分页返回。
方案二：scroll结合scroll after集合redis实现。

6. 不要使用脚本