es优化-翻译

索引速度优化

使用bulk request

使用 multi threads/workers

调低或者临时关闭refresh_interval

指定routing的方式,減少thread的數量

临时不设置replica

禁用swap

確保filesystem有足夠的memory cache

使用es自动生成的id

使用更快速的存储

增大indexing buffer

使用cross-cluster replication,防止search影响index的吞吐

调整translog flush设置,減少 disk i/o

存储优化

禁用你不需要的特性

不要使用默认的动态字符串mappings

监控分片的大小

禁用_source

使用best_compression

force merge

shrink index

使用最小够用的数字类型

index sorting可以提高压缩比

fields顺序相同,提高压缩比

rollup 历史数据

使用 Hot Warm Cold Architecture来分配合适的存储

搜索优化

確保filesystem有足夠的memory cache

使用更快的存储

避免使用join,nested,parent-child,fuzzy,regex等

搜索仅需要的field

pre-index数据

考虑mapping identifiers为keyword

避免使用scripts

日期查询时候,取整

对于只读索引,进行force merge

將 filter 條件切割來提高 Cache 利用率

预热Global ordinals

预热filesystem cache

使用index sorting可以加速conjunctions

使用preference优化缓存利用

replica不是越多越好

使用专用的节点作为coordinating node

对于相关系打分无关的查询使用filter

分片管理

创建分片策略

在一个分片上搜索运行在一个thread上

每个分片有开销,不是越多越好

es自动在data tier中均衡分片

删除索引而不是文档

针对时序数据使用data streams和ilm

分片大小在10G-50G之间

每GB堆内存最多20个分片

避免热点节点

创建基于时间的索引,覆盖很长的时间段

删除空或者不需要的索引

非高分时刻执行force merge

shrink存在的索引减少分片

使用reindex合并小分片