采用的是bulkindex方式,实际上就是把index操作作为prepareIndex,扔到bulkRquest中,等积累到一定数量的时候再统一提交,这样的目的无非就是为了效率。
测试服务器
4*2 = 8核 2.13G, 4G*4=16G, 硬盘6T 一共4台。
测试用例
1. Case 1
Index:5shards, 复制一份数据
数据:200万数据,每条数据200个字节
A: 200万数据 1个服务(一台服务器)3分48秒
B: 200万数据 2个服务(一台服务器)6分10秒
C: 200万数据 2个服务(两台服务器)8分44秒
D: 200万数据 4个服务(四台服务器)6分20秒
E: 200万数据 8个服务(四台服务器)12分33秒
看来服务器少,服务少的情况下,速度反而快,数据分配需要占用时间;当服务器增加到较大时,比如4台,时间会减少,应该是并行处理起了作用,导入时间减少。
2. Case 2
Index:5shards, 复制一份数据
4个服务,四台服务器
A: 650万数据 31分50秒
B: 1.2亿数据 4个小时
3. Case 3
Index: 20shards, 复制零份
4个服务(四台服务器)
多线程方式导入数据
A: 1650万数据,8个线程, 20分钟,13750doc/s
B: 1560万数据,16个线程,20分钟,13000doc/s
C: 2700万数据,12个线程,40分钟,11250doc/s
D: 1350万数据,8个线程,20分钟(32shards, 复制零份), 11250doc/s
多线程写入对增加索引速度有很大帮助,线程开8个以上时效率变化不明显,shard的增加对效率也几乎没有影响
新的服务器测试
机器配置:6*2=12核,超线程24核,内存48G, 4台
4个ES实例,每台服务器1个
测试case
Case 1
数据:30658837
多线程开启:4线程
20 shards,无replias
执行时间:14m42s, load值最高约8
速度:34760.6doc/s
Case 2
数据:106511749
多线程开启:6线程
20 shards,无replias
执行时间:43m18s, load值最高约20
速度:40997.6doc/s
结论:线程数4~6,对于效率提高有但不大,相比老服务器,新服务器性能要好很多,效率提高了近4倍,看来硬件对ES的性能影响较大。
http://zhousheng29.iteye.com/blog/2101889