0、題記
Elasticsearch效能優化的最終目的：使用者體驗爽。
關於爽的定義——著名產品人樑寧曾經說過“人在滿足時候的狀態叫做愉悅，人不被滿足就會難受，就會開始尋求。如果這個人在尋求中，能立刻得到即時滿足，這種感覺就是爽！”。
Elasticsearch的爽點就是：快、準、全!
關於Elasticsearch效能優化，阿里、騰訊、京東、攜程、滴滴、58等都有過很多深入的實踐總結，都是非常好的參考。本文換一個思路，基於Elasticsearch的爽點，進行效能優化相關探討。
1、叢集規劃優化實踐
1.1 基於目標資料量規劃叢集
在業務初期，經常被問到的問題，要幾個節點的叢集，記憶體、CPU要多大，要不要SSD？
最主要的考慮點是：你的目標儲存資料量是多大？可以針對目標資料量反推節點多少。
1.2 要留出容量Buffer
注意：Elasticsearch有三個警戒水位線，磁碟使用率達到85%、90%、95%。
不同警戒水位線會有不同的應急處理策略。
這點，磁碟容量選型中要規劃在內。控制在85%之下是合理的。
當然，也可以通過配置做調整。
1.3 ES叢集各節點儘量不要和其他業務功能複用一臺機器。
除非記憶體非常大。 舉例：普通伺服器，安裝了ES+Mysql+redis，業務資料量大了之後，勢必會出現記憶體不足等問題。
1.4 磁碟儘量選擇SSD
Elasticsearch官方文件肯定推薦SSD，考慮到成本的原因。需要結合業務場景，
如果業務對寫入、檢索速率有較高的速率要求，建議使用SSD磁碟。
阿里的業務場景，SSD磁碟比機械硬碟的速率提升了5倍。
但要因業務場景而異。
1.5 記憶體配置要合理
官方建議：堆記憶體的大小是官方建議是：Min（32GB，機器記憶體大小/2）。
Medcl和wood大叔都有明確說過，不必要設定32/31GB那麼大，建議：熱資料設定：26GB，冷資料：31GB。
總體記憶體大小沒有具體要求，但肯定是內容越大，檢索效能越好。
經驗值供參考：每天200GB+增量資料的業務場景，伺服器至少要64GB記憶體。
除了JVM之外的預留記憶體要充足，否則也會經常OOM。
1.6 CPU核數不要太小
CPU核數是和ESThread pool關聯的。和寫入、檢索效能都有關聯。
建議：16核+。
1.7 超大量級的業務場景，可以考慮跨叢集檢索
除非業務量級非常大，例如：滴滴、攜程的PB+的業務場景，否則基本不太需要跨叢集檢索。
1.8 叢集節點個數無需奇數
ES內部維護叢集通訊，不是基於zookeeper的分發部署機制，所以，無需奇數。
但是discovery.zen.minimum_master_nodes的值要設定為：候選主節點的個數/2+1，才能有效避免腦裂。
1.9 節點型別優化分配
叢集節點數：<=3，建議：所有節點的master：true， data：true。既是主節點也是路由節點。 叢集節點數：>3, 根據業務場景需要，建議：逐步獨立出Master節點和協調/路由節點。
1.10 建議冷熱資料分離
熱資料儲存SSD和普通曆史資料儲存機械磁碟，物理上提高檢索效率。
2、索引優化實踐
Mysql等關係型資料庫要分庫、分表。Elasticserach的話也要做好充分的考慮。
2.1 設定多少個索引？
建議根據業務場景進行儲存。
不同通道型別的資料要分索引儲存。舉例：知乎採集資訊儲存到知乎索引；APP採集資訊儲存到APP索引。
2.2 設定多少分片？
建議根據資料量衡量。
經驗值：建議每個分片大小不要超過30GB。
2.3 分片數設定？
建議根據叢集節點的個數規模，分片個數建議>=叢集節點的個數。
5節點的叢集，5個分片就比較合理。
注意：除非reindex操作，分片數是不可以修改的。
2.4副本數設定？
除非你對系統的健壯性有異常高的要求，比如：銀行系統。可以考慮2個副本以上。
否則，1個副本足夠。
注意：副本數是可以通過配置隨時修改的。
2.5不要再在一個索引下建立多個type
即便你是5.X版本，考慮到未來版本升級等後續的可擴充套件性。 建議：一個索引對應一個type。6.x預設對應_doc，5.x你就直接對應type統一為doc。
2.6 按照日期規劃索引
隨著業務量的增加，單一索引和資料量激增給的矛盾凸顯。
按照日期規劃索引是必然選擇。
好處1：可以實現歷史資料秒刪。很對歷史索引delete即可。注意：一個索引的話需要藉助delete_by_query+force_merge操作，慢且刪除不徹底。
好處2：便於冷熱資料分開管理，檢索最近幾天的資料，直接物理上指定對應日期的索引，速度快的一逼！
操作參考：模板使用+rollover API使用。
2.7 務必使用別名
ES不像mysql方面的更改索引名稱。使用別名就是一個相對靈活的選擇。
3、資料模型優化實踐
3.1 不要使用預設的Mapping
預設Mapping的欄位型別是系統自動識別的。其中：string型別預設分成：text和keyword兩種型別。如果你的業務中不需要分詞、檢索，僅需要精確匹配，僅設定為keyword即可。
根據業務需要選擇合適的型別，有利於節省空間和提升精度，如：浮點型的選擇。
3.2 Mapping各欄位的選型流程
3.3 選擇合理的分詞器
常見的開源中文分詞器包括：ik分詞器、ansj分詞器、hanlp分詞器、結巴分詞器、海量分詞器、“ElasticSearch最全分詞器比較及使用方法” 搜尋可檢視對比效果。 如果選擇ik，建議使用ik_max_word。因為：粗粒度的分詞結果基本包含細粒度ik_smart的結果。
3.4 date、long、還是keyword
根據業務需要，如果需要基於時間軸做分析，必須date型別；
如果僅需要秒級返回，建議使用keyword。
4、資料寫入優化實踐
4.1 要不要秒級響應？
Elasticsearch近實時的本質是：最快1s寫入的資料可以被查詢到。
如果refresh_interval設定為1s，勢必會產生大量的segment，檢索效能會受到影響。
所以，非實時的場景可以調大，設定為30s，甚至-1。
4.2 減少副本，提升寫入效能。
寫入前，副本數設定為0， 寫入後，副本數設定為原來值。
4.3 能批量就不單條寫入
批量介面為bulk，批量的大小要結合佇列的大小，而佇列大小和執行緒池大小、機器的cpu核數。
4.4 禁用swap
在Linux系統上，通過執行以下命令臨時禁用交換：
sudo swapoff -a
複製程式碼5、檢索聚合優化實戰
5.1 禁用 wildcard模糊匹配
資料量級達到TB+甚至更高之後，wildcard在多欄位組合的情況下很容易出現卡死，甚至導致叢集節點崩潰當機的情況。
後果不堪設想。
替代方案：
方案一：針對精確度要求高的方案:兩套分詞器結合，standard和ik結合，使用match_phrase檢索。
方案二：針對精確度要求不高的替代方案：建議ik分詞，通過match_phrase和slop結合查詢。
5.2極小的概率使用match匹配
中文match匹配顯然結果是不準確的。很大的業務場景會使用短語匹配“match_phrase"。
match_phrase結合合理的分詞詞典、詞庫，會使得搜尋結果精確度更高，避免噪音資料。
5.3 結合業務場景，大量使用filter過濾器
對於不需要使用計算相關度評分的場景，無疑filter快取機制會使得檢索更快。
舉例：過濾某郵編號碼。
5.3控制返回欄位和結果
和mysql查詢一樣，業務開發中，select * 操作幾乎是不必須的。
同理，ES中，_source 返回全部欄位也是非必須的。
要通過_source 控制欄位的返回，只返回業務相關的欄位。
網頁正文content，網頁快照html_content類似欄位的批量返回，可能就是業務上的設計缺陷。
顯然，摘要欄位應該提前寫入，而不是查詢content後再擷取處理。
5.4 分頁深度查詢和遍歷
分頁查詢使用：from+size;
遍歷使用：scroll；
並行遍歷使用：scroll+slice。
斟酌集合業務選型使用。
5.5 聚合Size的合理設定
聚合結果是不精確的。除非你設定size為2的32次冪-1，否則聚合的結果是取每個分片的Top size元素後綜合排序後的值。
實際業務場景要求精確反饋結果的要注意。
儘量不要獲取全量聚合結果——從業務層面取TopN聚合結果值是非常合理的。因為的確排序靠後的結果值意義不大。
5.6 聚合分頁合理實現
聚合結果展示的時，勢必面臨聚合後分頁的問題，而ES官方基於效能原因不支援聚合後分頁。
如果需要聚合後分頁，需要自開發實現。包含但不限於：
方案一：每次取聚合結果，拿到記憶體中分頁返回。
方案二：scroll結合scroll after集合redis實現。
6、業務優化
讓Elasticsearch做它擅長的事情，很顯然，它更擅長基於倒排索引進行搜尋。
業務層面，使用者想最快速度看到自己想要的結果，中間的“欄位處理、格式化、標準化”等一堆操作，使用者是不關注的。
為了讓Elasticsearch更高效的檢索，建議：
1）要做足“前戲”
欄位抽取、傾向性分析、分類/聚類、相關性判定放在寫入ES之前的ETL階段進行；
2）“睡服”產品經理
產品經理基於各種奇葩業務場景可能會提各種無理需求。
作為技術人員，要“通知以情曉之以理”，給產品經理講解明白搜尋引擎的原理、Elasticsearch的原理，哪些能做，哪些真的“臣妾做不到”。
7、小結
實際業務開發中，公司一般要求又想馬兒不吃草，又想馬兒飛快跑。
對於Elasticsearch開發也是，硬體資源不足（cpu、記憶體、磁碟都爆滿）幾乎沒有辦法提升效能的。
除了檢索聚合，讓Elasticsearch做N多相關、不相干的工作，然後得出結論“Elastic也就那樣慢，沒有想像的快”。
你腦海中是否也有類似的場景浮現呢？
提供相對NB的硬體資源、做好前期的各種準備工作、讓Elasticsearch輕裝上陣，相信你的Elasticsearch也會飛起來！
來日我們再相會......
推薦閱讀： 1、阿里：elasticsearch.cn/article/617… 2、滴滴：t.cn/EUNLkNU 3、騰訊：t.cn/E4y9ylL 4、攜程：elasticsearch.cn/article/620… 5、社群：elasticsearch.cn/article/620… 6、社群：elasticsearch.cn/article/708 7、社群：elasticsearch.cn/article/620…