ES——配置详解/索引优化/特殊操作

最新推荐文章于 2024-05-22 09:05:09 发布

骆子无悔

最新推荐文章于 2024-05-22 09:05:09 发布

阅读量1.4k

点赞数 2

分类专栏：互联网底层专题文章标签： elasticsearch

本文链接：https://blog.csdn.net/weixin_44275259/article/details/108401748

版权

互联网底层专题专栏收录该内容

9 篇文章 0 订阅

订阅专栏

ES——配置详解

集群信息配置

		1. 集群名称，默认为elasticsearch：
　　　　cluster.name: elasticsearch
        2. 节点名称，es启动时会自动创建节点名称，但你也可进行配置：
　　　　node.name: "Franz Kafka"
        3. 是否作为主节点，每个节点都可以被配置成为主节点，默认值为true：
　　　　node.master: true
        4. 是否存储数据，即存储索引片段，默认值为true：
　　　　node.data: true
        　master和data同时配置会产生一些奇异的效果：
        1) 当master为false，而data为true时，会对该节点产生严重负荷；
        2) 当master为true，而data为false时，该节点作为一个协调者；
        3) 当master为false，data也为false时，该节点就变成了一个负载均衡器。
       　你可以通过连接http://localhost:9200/_cluster/health或者http://localhost:9200/_cluster/nodes，或者使用插件http://github.com/lukas-vlcek/bigdesk或http://mobz.github.com/elasticsearch-head来查看集群状态。
        5. 每个节点都可以定义一些与之关联的通用属性，用于后期集群进行碎片分配时的过滤：
　　　　node.rack: rack314
        6. 默认情况下，多个节点可以在同一个安装路径启动，如果你想让你的es只启动一个节点，可以进行如下设置：
　　　　node.max_local_storage_nodes: 1
        7. 设置一个索引的碎片数量，默认值为5：

集群分片配置

　　　　index.number_of_shards: 5
        8. 设置一个索引可被复制的数量，默认值为1：
　　　　index.number_of_replicas: 1
           当你想要禁用公布式时，你可以进行如下设置：
　　　　index.number_of_shards: 1
　　　　index.number_of_replicas: 0
        　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复制品，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) 拥有更多的复制器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。
           ElasticSearch关注加载均衡、迁移、从节点聚集结果等等。可以尝试多种设计来完成这些功能。
           可以连接http://localhost:9200/A/_status来检测索引的状态。

集群交互配置

        16. 默认情况下，ElasticSearch使用0.0.0.0地址，并为http传输开启9200-9300端口，为节点到节点的通信开启9300-9400端口，也可以自行设置IP地址：
            network.bind_host: 192.168.0.1
        17. publish_host设置其他节点连接此节点的地址，如果不设置的话，则自动获取，publish_host的地址必须为真实地址：
            network.publish_host: 192.168.0.1
        18. bind_host和publish_host可以一起设置：
　　　　 network.host: 192.168.0.1
        19. 可以定制该节点与其他节点交互的端口：
　　　　transport.tcp.port: 9300
        20. 节点间交互时，可以设置是否压缩，转为为不压缩：
　　　　transport.tcp.compress: true
        21. 可以为Http传输监听定制端口：
　　　　http.port: 9200
        22. 设置内容的最大长度：
　　　　http.max_content_length: 100mb
        23. 禁止HTTP
　　　　http.enabled: false
       24. 网关允许在所有集群重启后持有集群状态，集群状态的变更都会被保存下来，当第一次启用集群时，可以从网关中读取到状态，默认网关类型（也是推荐的）是local：
　　　　gateway.type: local
        25. 允许在N个节点启动后恢复过程：
　　　　gateway.recover_after_nodes: 1
        26. 设置初始化恢复过程的超时时间：
　　　　gateway.recover_after_time: 5m
        27. 设置该集群中可存在的节点上限：
　　　　gateway.expected_nodes: 2
        28. 设置一个节点的并发数量，有两种情况，一种是在初始复苏过程中：
　　　　cluster.routing.allocation.node_initial_primaries_recoveries: 4
           另一种是在添加、删除节点及调整时：
　　　　cluster.routing.allocation.node_concurrent_recoveries: 2
        29. 设置复苏时的吞吐量，默认情况下是无限的：
　　　　indices.recovery.max_size_per_sec: 0
        30. 设置从对等节点恢复片段时打开的流的数量上限：
　　　　indices.recovery.concurrent_streams: 5
        31. 设置一个集群中主节点的数量，当多于三个节点时，该值可在2-4之间：
　　　　discovery.zen.minimum_master_nodes: 1
        32. 设置ping其他节点时的超时时间，网络比较慢时可将该值设大：
　　　　discovery.zen.ping.timeout: 3s
　　　　http://elasticsearch.org/guide/reference/modules/discovery/zen.html上有更多关于discovery的设置。
        33. 禁止当前节点发现多个集群节点，默认值为true：
　　　　discovery.zen.ping.multicast.enabled: false
        34. 设置新节点被启动时能够发现的主节点列表（主要用于不同网段机器连接）：
　　　　discovery.zen.ping.unicast.hosts: ["host1", "host2:port", "host3[portX-portY]"]
       35.设置是否可以通过正则或者_all删除或者关闭索引
　　　　action.destructive_requires_name 默认false 允许 可设置true不允许

日志和持久化配置

        9. 配置文件所在的位置，即elasticsearch.yml和logging.yml所在的位置：
           path.conf: /path/to/conf
        10. 分配给当前节点的索引数据所在的位置：
　　　　path.data: /path/to/data
           可以可选择的包含一个以上的位置，使得数据在文件级别跨越位置，这样在创建时就有更多的自由路径，如：
　　　　path.data: /path/to/data1,/path/to/data2
        11. 临时文件位置：
           path.work: /path/to/work
        12. 日志文件所在位置：
　　　　path.logs: /path/to/logs
        13. 插件安装位置：
　　　　path.plugins: /path/to/plugins
        14. 插件托管位置，若列表中的某一个插件未安装，则节点无法启动：
　　　　plugin.mandatory: mapper-attachments,lang-groovy
        15. JVM开始交换时，ElasticSearch表现并不好：你需要保障JVM不进行交换，可以将bootstrap.mlockall设置为true禁止交换：
　　　　bootstrap.mlockall: true
           请确保ES_MIN_MEM和ES_MAX_MEM的值是一样的，并且能够为ElasticSearch分配足够的内在，并为系统操作保留足够的内存。

ES——优化——整体优化

硬件环境选择

如果有条件，尽可能使用SSD硬盘，不错的CPU。ES的厉害之处在于ES本身的分布式架构以及lucene的特性。IO的提升，会极大改进ES的速度和性能

内存分配

1.当机器内存小于64G时，遵循通用的原则，50%给ES，50%留给lucene。
2.禁止swap，一旦允许内存与磁盘的交换，会引起致命的性能问题。通过：在elasticsearch.yml 中 bootstrap.memory_lock: true，以保持JVM锁定内存，保证ES的性能。

ES——优化——索引优化

ES——docValues

倒排索引满足了关键字搜索的效率，但是对于从另外一个方向的相反操作并不高效，比如聚合（aggregations）、排序（Sorting）和字段的全值查询等时候需要其它的访问模式。

需求开的字段

1，需要聚合的字段，包括sort，agg，group，facet等
2，需要提供函数查询的字段
3，需要高亮的字段，这个确实能加速，但是散仙并不建议把高亮放在服务端程序做，建议放在前端实现，不容易出错而且总体性能比服务端高
4，需要参与自定义评分的字段，这个稍复杂，大多数人的场景中，不一定能用到，后面会单独写一篇文章介绍。

针对字段开启doc_values
在这里插入图片描述

ES——Filedata

docValeus只能针对全值匹配建立索引，不会分词后再建立正排索引

在这里插入图片描述

ES——特殊操作——滚动查询

数据快照保存：这可以告诉 Elasticsearch 需要保持搜索的上下文环境多久（参考Keeping the search context alive），如 ?scroll=1m
使用上面的请求返回的结果中包含一个 scroll_id，这个 ID 可以被传递给 scroll API 来检索下一个批次的结果
数据快照不变：同时这个查询快照是不会变的，如果后续对文档的改动（索引、更新或者删除）都只会影响后面的搜索请求

基本使用

生成滚动

POST /twitter/tweet/_search?scroll=1m 
{
    "query": {
        "match" : {
            "title" : "elasticsearch"
        }
    }
}

结果返回

{
"_scroll_id": "DnF1ZXJ5VGhlbkZldGNoBQAAAAAAAAABFlV2SjExVXdpUmwtNVFTOThNaWFRTVEAAAAAAAAAAhZVdkoxMVV3aVJsLTVRUzk4TWlhUU1RAAAAAAAAAAMWVXZKMTFVd2lSbC01UVM5OE1pYVFNUQAAAAAAAAAEFlV2SjExVXdpUmwtNVFTOThNaWFRTVEAAAAAAAAABRZVdkoxMVV3aVJsLTVRUzk4TWlhUU1R",
    "took": 879,
    "timed_out": false,
    "_shards": {
        "total": 5,
        "successful": 5,
        "skipped": 0,
        "failed": 0
    },
    "hits": {
        "total": 136982,
        "max_score": 1,
        "hits": [
            
        ]
    }
}

利用滚动

POST /_search/scroll
{
    "scroll" : "1m", 
    "scroll_id" : "c2Nhbjs2OzM0NDg1ODpzRlBLc0FXNlNyNm5JWUc1" 
}

Ps：每次請求都會產生一個 _scroll_id，只有最近的 _scroll_id 才能被使用；如果请求指定了聚合（aggregation），仅仅初始搜索响应才会包含聚合结果。

scroll-scan

扫描室滚动参数，用于避免在深圳分頁中，请求页对于数据打分还有查询顺序的考虑，从而提高性能

POST /twitter/tweet/_search?scroll=1m&search_type=scan
{
   "query": {
       "match" : {
           "title" : "elasticsearch"
       }
   }
}

扫描式的滚动请求特点：
（1）不算分，关闭排序。结果会按照在索引中出现的顺序返回
（2）不支持聚合
（3）初始 search 请求的响应不会在 hits 数组中包含任何结果。第一批结果就会按照第一个 scroll 请求返回。
（4）参数 size 控制了每个分片上而非每个请求的结果数目，所以 size 为 10 的情况下，如果命中了 5 个分片，那么每个 scroll 请求最多会返回 50 个结果。
（5）如果你想支持打分，即使不进行排序，将 track_scores 设置为 true。

检查 scroll

GET /_nodes/stats/indices/search?pretty

清除 scroll

手动删除滚动查询，避免内存消耗

删除一个

DELETE /_search/scroll
{ 
  "scroll_id" : ["c2Nhbjs2OzM0NDg1ODpzRlBLc0FXNlNyNm5JWUc1"]
}

删除多个


DELETE /_search/scroll 
{ 
  "scroll_id" : ["c2Nhbjs2OzM0NDg1ODpzRlBLc0FXNlNyNm5JWUc1", "aGVuRmV0Y2g7NTsxOnkxaDZ"]
}

删除所有

DELETE /_search/scroll/_all

GET参数删除

DELETE /_search/scroll/DXF1ZXJ5QW5kRmV0Y2gBAAAAAAAAAD4WYm9laVYtZndUQlNsdDcwakFMNjU1QQ==,DnF1ZXJ5VGhlbkZldGNoBQAAAAAAAAABFmtSWWRRWUJrU2o2ZExpSGJCVmQxYUEAAAAAAAAAAxZrUllkUVlCa1NqNmRMaUhiQlZkMWFBAAAAAAAAAAIWa1JZZFFZQmtTajZkTGlIYkJWZDFhQQAAAAAAAAAFFmtSWWRRWUJrU2o2ZExpSGJCVmQxYUEAAAAAAAAABBZrUllkUVlCa1NqNmRMaUhiQlZkMWFB

Sliced Scroll

指定一个slice参数，做拆分滚动查询；
max

GET /twitter/_search?scroll=1m
{
    "slice": {
        "id": 0, ①
        "max": 2 ②
    },
    "query": {
        "match" : {
            "title" : "elasticsearch"
        }
    }
}
GET /twitter/_search?scroll=1m
{
    "slice": {
        "id": 1,
        "max": 2
    },
    "query": {
        "match" : {
            "title" : "elasticsearch"
        }
    }
}

ES——特殊操作——重建索引

分片数量一旦确定，所以不可以修改，此时就需要重建索引

简单指令

创建一个new_index，指定好正确的mapping和分片数量即可

POST _reindex
{
  "source": {
    "index": "old_index"
  },
  "dest": {
    "index": "new_index"
  }
}

冲突指令

文档id发生冲突时间，elasticsearch强制性的将文档转储到目标中，覆盖具有相同类型和ID的任何内容

POST _reindex
{
  "source": {
    "index": "old_index"
  },
  "dest": {
    "index": "new_index",
    "version_type": "internal"
  }
}

批量指令

需要迁移的数据量过大时，我们会发现reindex的速度会变得很慢，因为重复的网络请求比较多

POST _reindex
{
  "source": {
    "index": "source",
    "size": 5000
  },
  "dest": {
    "index": "dest",
    "routing": "=cat"
  }
}

配置依据

批量大小取决于数据、分析和集群配置，但一个好的起点是每批处理5-15 MB
1）从大约5-15 MB的大容量开始，慢慢增加，直到你看不到性能的提升。然后开始增加批量写入的并发性(多线程等等)。
2）使用kibana、cerebro或iostat、top和ps等工具监视节点，以查看资源何时开始出现瓶颈。如果您开始接收EsRejectedExecutionException，您的集群就不能再跟上了:至少有一个资源达到了容量。
要么减少并发性，或者提供更多有限的资源(例如从机械硬盘切换到ssd固态硬盘)，要么添加更多节点。

分片指令

每个Scroll请求，可以分成多个Slice请求，可以理解为切片，各Slice独立并行

POST _reindex?slices=5&refresh
{
  "source": {
    "index": "twitter"
  },
  "dest": {
    "index": "new_twitter"
  }
}

配置依据

1）slices大小的设置可以手动指定，或者设置slices设置为auto，auto的含义是：针对单索引，slices大小=分片数；针对多索引，slices=分片的最小值。
2）当slices的数量等于索引中的分片数量时，查询性能最高效。slices大小大于分片数，非但不会提升效率，反而会增加开销。
3）如果这个slices数字很大(例如500)，建议选择一个较低的数字，因为过大的slices 会影响性能。