叢集讀效能優化

• Elasticsearch ！= 關係型資料庫
• 儘可能 Denormalize 資料，從而獲取最佳的效能
  • 使用 Nested 型別的資料。查詢速度會慢幾倍
  • 使用 Parent / Child 關係。查詢速度會慢幾百倍

• 儘量將資料先行計算，然後儲存到 Elasticsearch 中。儘量避免查詢時的 Script 計算
• 儘量使用 Filter Context，利用快取機制，減少不必要的算分
• 結合 profile，explain API 分析慢查詢的問題，持續優化資料模型
  • 嚴禁使用 * 開頭萬用字元 Terms 查詢

• 可以在 Index 文件時，使用 Ingest Pipeline，計算並寫入某個欄位

• 聚合查詢會消耗記憶體，特別是針對很大的資料集進行聚合運算
  • 如果可以控制聚合的數量，就能減少記憶體的開銷
• 當需要使用不同的 Query Scope，可以使用 Filter Bucket

• 萬用字元開頭的正則，效能非常糟糕，需避免使用

• 避免 Over Sharing
  • 一個查詢需要訪問每一個分片，分片過多，會導致不必要的查詢開銷
• 結合應用場景，控制單個分片的尺寸
  • Search： 20GB
  • Logging：40GB
• Force-merge Read-only 索引
  • 使用基於時間序列的索引，將只讀的索引進行 force merge，減少 segment 數

• 影響查詢效能的一些因素
  • 資料模型和索引配置是否優化
  • 資料規模是否過大，通過 Filter 減少不必要的資料計算
  • 查詢語句是否優化

本作品採用《CC 協議》，轉載必須註明作者和本文連結