Elasticsearch查询优化方案

资料来源：http://developer.51cto.com/art/201903/593835.htm?mobile

1、集群规划
    Nodes 之间做读取分离
    Master 的配置：这样 Master 不参与 I、O，从数据的搜索和索引操作中解脱出来，专门负责集群的管理工作
        node.master: true  
        node.data: false  
        node.ingest: false 
        Coordinating Nodes，只负责路由用户的请求，包括读、写等操作，对内存、网络和 CPU 要求比较高。?????
    Coordinating Only Nodes:可以笼统的理解为是一个负载均衡器，或者反向代理，只负责读，本身不写数据，它的配置是：
        node.master: false  
        node.data: false  
        node.ingest: false  
        search.remote.connect: false 是禁用跨集群查询，防止在进行集群之间查询时发生二次路由
    
    
     
    
2、存储策略
    Routing
    数据不均衡?假如你的业务在北京、上海的数据远远大于其他二三线城市的数据。
        1)一种解决办法是单独为这些数据量大的渠道创建独立的 Index，如：
        http://localhost:9200/shanghai,beijing,other/_search?routing=android 这样可以根据需要在不同 Index 之间查询，然而每个 Index 中 Shards 的数据可以做到相对均衡。
        2)另一种办法是指定 Index 参数 index.routing_partition_size，来解决最终可能产生群集不均衡的问题，指定这个参数后新的算法如下：
        shard_num = (hash(_routing) + hash(_id) % routing_partition_size) % num_primary_shards 
        index.routing_partition_size 应具有大于 1 且小于 index.number_of_shards 的值。指定参数 index.routing_partition_size 后，索引中的 Mappings 必须指定 _routing 为 "required": true，另外 Mappings 不支持 parent-child 父子关系。

3、索引拆分
    logs-000001、logs-000002、logs-000003
    
4、压缩
5、冷热分区等

 

资料来源：http://developer.51cto.com/art/201903/593835.htm?mobile