干货 | Elasticsearch 8.X 性能优化实战

Elasticsearch 是实现用户无缝搜索体验的关键工具。它通过提供快速、准确和相关的搜索结果，彻底改变了用户与应用程序的互动方式。然而，要确保 Elasticsearch 部署达到最佳性能，就必须关注关键指标，并对诸如索引、缓存、查询、搜索以及存储等各种组件进行优化。

在本博文中，我们将深入探讨如何调整 Elasticsearch 以实现最佳性能和发挥最大潜能的最佳实践与技巧，从优化集群健康、搜索性能和索引，到精通缓存策略和存储选项。无论你是经验丰富的 Elasticsearch 专家，还是初涉此领域的新手，遵循一些最佳实践以确保部署具备性能、可靠性和可扩展性都至关重要。

1、通用优化建议

1.1 使用合适的硬件

Elasticsearch是一个内存密集型应用程序，因此使用足够内存的硬件非常重要。此外，建议使用固态硬盘（SSD）作为存储设备，因为它们可以显著提高索引和搜索性能。

尽管 SSD 的 I/O 性能优于传统硬盘，但如果 Elasticsearch 集群中的节点数量较多，I/O 性能仍然可能成为瓶颈。为了保证性能，可以采取一些优化措施，如使用 RAID 配置、合理的磁盘划分和负载均衡等。

1.2 规划索引策略

Elasticsearch设计用于处理大量数据，但需要考虑如何索引这些数据。这包括需要多少分片和副本，数据将如何索引，以及如何处理更新和删除。

1. 分片数量

选择合适数量的分片以实现水平扩展和负载均衡。

默认情况下，每个索引有 1 个主分片。根据数据量和节点数量调整分片数量。尽量避免使用过多分片，因为每个分片都需要额外的资源和开销。

2. 副本数量

增加副本数量以提高搜索性能和系统容错能力，但要辩证看，后文会详细解读。

默认情况下，每个分片有 1 个副本。根据负载和可用性需求调整副本数量。

3. 数据索引策略

使用基于时间的索引生命周期管理策略（ILM）以提高查询性能和降低资源消耗。例如，为每天、每周或每月的数据创建一个新索引。

选择合适的字段类型和分析器。优化映射以减少存储空间和提高查询性能。

使用 Index Templates 自动应用映射和设置。

4. 更新和删除处理

使用 Update API 更新文档，避免删除和重新索引整个文档。

合理使用 Elasticsearch 的版本控制特性。

考虑使用 Index Lifecycle Management (ILM) 自动管理索引的生命周期。根据具体业务需求和场景，灵活调整上述建议以优化 Elasticsearch 集群性能。

1.3 优化查询

Elasticsearch是一个功能强大的搜索引擎，但要确保查询性能优化。这包括尽可能使用过滤器而不是查询，并使用分页限制返回结果的数量。

1. 使用过滤器而不是查询:

• 提高查询速度：过滤器不计算相关性得分。
• 结果可被缓存：相同过滤条件直接获取结果。

2. 使用分页限制返回结果数量:

• 降低计算和传输负担：提高查询性能。
• 注意深度分页可能导致性能问题：考虑使用 search_after 参数。

优化查询性能有助于降低响应时间、提高吞吐量并确保集群在高负载下保持稳定。

1.4 保持Elasticsearch版本更新

Elasticsearch是一个活跃的项目，定期发布新版本以修复错误并提供新功能。保持版本更新至关重要，以利用这些改进并避免已知问题。

1.5 监控集群

Elasticsearch 提供了各种监控工具，如Elasticsearch Head、Kibana monitoring（优先推荐）插件，可用于监控集群的健康和性能。需要密切关注磁盘使用情况、CPU和内存使用情况以及搜索请求的数量。

在通用最佳实践的基础上，我们将深入探讨索引、查询和搜索、扩展、性能和监控等具体领域。

2、写入（索引化）优化建议

2.1 使用批量请求

Elasticsearch的批量API允许在单个API调用中执行多个索引/删除操作。这大大提高了索引速度。如果请求中的一个失败，顶层错误标志将设置为true，并在相关请求下报告错误详细信息。

使用 Elasticsearch 的批量 API 的原因：

1. 提高性能

减少网络开销和连接建立时间，提高索引速度。

2. 减少资源消耗

降低服务器和客户端资源消耗，提高系统效率和吞吐量。

3. 错误处理

灵活且可控的错误处理方式，即使部分操作失败，其他操作仍可继续执行。

使用批量 API 可实现高效的数据索引和删除操作，同时提高系统的稳定性和可靠性。

2.2 使用多线程客户端索引数据

单个线程发送批量请求无法充分利用Elasticsearch集群的索引能力。

通过多线程或多进程发送数据，将有助于利用集群的所有资源，降低每个fsync的成本，提高性能。

2.3 增加刷新间隔（index.refresh_interval）

Elasticsearch中默认的刷新间隔为1秒，但如果搜索流量很小，可以增加此值以优化索引速度。

2.4 使用自动生成的ID

在索引具有显式ID的文档时，Elasticsearch需要检查是否已经存在具有相同ID的文档，这是一项代价高昂的操作。

使用自动生成的ID可以跳过此检查，使索引更快。

2.5 index.translog.sync_interval

此设置控制translog何时提交到磁盘，无论写操作如何。默认值为5秒，但不允许使用小于100毫秒的值。

官方文档地址：

https://www.elastic.co/guide/en/elasticsearch/reference/current/index-modules-translog.html

2.6 避免大型文档

大型文档会给网络、内存使用和磁盘带来压力，导致索引速度缓慢，影响邻近搜索和高亮显示。

高亮处理推荐 fvh 高亮方式。

推荐阅读：Elasticsearch大文件检索性能提升20倍实践（干货）

2.7 显式设置映射

Elasticsearch可以动态创建映射，但并不适用于所有场景。显式设置（strict）映射将有助于确保最佳性能。

显式设置映射的优势：

1. 准确的字段类型

确保查询和聚合操作正确性。

2. 优化存储和性能

降低存储空间，提高查询性能。

3. 避免不必要的映射更新

减少映射更新操作和性能开销。

2.8 避免使用嵌套Nested类型

虽然嵌套类型在某些场景下很有用，但它们也带来了一定的性能影响：

1. 查询速度较慢

与查询非嵌套文档中的普通字段相比，查询嵌套字段速度较慢。

这是因为嵌套字段的查询需要执行额外的处理步骤，例如过滤器和关联。这可能导致较低的查询性能，特别是在处理大量数据时。

2. 额外的减速

在检索匹配嵌套字段的文档时，Elasticsearch 需要对嵌套层文档进行关联。这意味着它需要将嵌套文档与其外层文档匹配，以确定哪些文档实际上包含匹配的嵌套字段。这个过程可能导致额外的性能开销，尤其是在查询结果集很大时。

为了避免嵌套类型带来的性能影响，可以考虑使用以下方法：

• 扁平化数据结构（俗成大宽表）：尽可能将嵌套字段转换为扁平化的数据结构，例如使用多个普通字段表示原本的嵌套字段。

• 使用关键词类型（keyword类型）：对于具有固定集合值的字段，可以使用关键词类型进行索引，以提高查询速度。

• 使用 join 类型（父子关联类型）：在某些场景下，可以使用 join 类型替代嵌套类型。

但请注意，join 类型也可能导致性能问题，尤其是在需要频繁修改文档关系时。

3、查询和搜索优化建议

3.1 尽可能使用 filter 而不是 query

• query 子句用于回答“这个文档与这个子句的匹配程度如何？

• filter（过滤器）子句用于回答“这个文档是否与这个子句匹配？” Elasticsearch只需要回答“是”或“否”。它不需要为过滤器子句计算相关性得分，而且过滤器结果可以被缓存。

3.2 增加刷新间隔

增加刷新间隔有助于减少段数量，降低搜索的IO成本。

而且，一旦刷新发生并且数据发生变化，缓存就会失效。增加刷新间隔可以使Elasticsearch更有效地利用缓存。

3.3 辩证的看待增加副本数量对检索性能的影响

直接给出企业级测试结论——副本数对检索性能的影响非正相关。也就是说：不是副本越多，检索性能越高。

增加副本数量的优势：

1. 负载均衡

分散查询请求负载，实现负载均衡。

2. 高可用性

提高集群的可用性和容错能力。

3. 并行处理

加快查询速度，提高吞吐量。

注意：增加副本数量会消耗额外的存储空间和计算资源。需根据需求和资源限制权衡副本数量。

3.4 仅检索必要字段

如果文档很大，且仅需要几个字段，请使用stored_fields仅检索所需字段，而不是所有字段。

3.5 避免通配符查询

通配符查询可能会很慢且耗资源。最好尽量避免使用它们。

替代方案：Ngram分词、设置 wildcard 数据类型。

Elasticsearch 警惕使用 wildcard 检索！然后呢？

3.6 使用节点查询缓存

过滤器上下文中使用的查询结果将缓存在节点查询缓存中，以便快速查找。

过滤器上下文查询结果缓存的优势：

1. 缓存命中率

过滤器查询具有较高的缓存命中率，常在多个查询中重复使用。

2. 节省计算资源

缓存结果减少重复计算，节省资源。

3. 提高查询速度

缓存加速查询，特别是复杂或数据量大的过滤器查询。

4. 并发查询效果更好

节点查询缓存在高并发场景下发挥作用，提高性能。

注意：需平衡缓存使用与内存消耗。对于频繁变更或低缓存命中率的查询，缓存效果可能有限。

Elasticsearch 缓存深入详解

3.7 使用分片查询缓存

可以通过将“index.requests.cache.enable”设置为true来启用分片查询缓存。

设置参考如下：

PUT /my-index-000001
{
  "settings": {
    "index.requests.cache.enable": false
  }
}

官方文档地址：

https://www.elastic.co/guide/en/elasticsearch/reference/current/shard-request-cache.html

3.8 使用索引模板

索引模板可以帮助自动将设置和映射应用于新索引。

使用索引模板的优势：

1. 一致性

确保新索引具有相同的设置和映射，实现集群一致性。

2. 简化操作

自动应用预定义的设置和映射，减少手动配置。

3. 易于扩展

快速创建具有相同配置的新索引，便于集群扩展。

4. 版本控制和更新

实现模板版本控制，确保新索引使用最新配置。

4、性能优化建议

4.1 活动分片应与CPU成比例

活动分片=主分片+副本分片数之和。

活动分片与 CPU 成比例的原因：

1. 并行处理

更多活动分片提高并行处理能力，加速查询和索引请求。与 CPU 核心数成比例确保充分利用 CPU 资源。

2. 避免资源竞争

将活动分片与 CPU 核心数成比例，避免多分片竞争同一 CPU 核心，提高性能。

3. 负载均衡

成比例的活动分片数有助于在多节点间分散请求，避免单节点资源瓶颈。

4. 性能优化

与 CPU 核心数成比例的分片数根据可用计算资源为分片分配处理能力，优化查询和索引操作。

注意：实际部署需考虑其他因素，如内存、磁盘和网络资源等。

如前所述，为了提高写入密集型用例的性能，应将刷新间隔增加到较大的值（例如，30秒），并增加主分片以将写请求分发到不同节点。对于读取密集型用例，增加副本分片以在副本之间平衡查询/搜索请求会有所帮助。

4.2 如果查询具有日期范围 filter 过滤器，请按日期组织数据。

对于日志或监控场景，按每日、每周或每月组织索引并按指定日期范围获取索引列表可以提高性能。

Elasticsearch只需要查询较小的数据集，而不是整个数据集，而且在数据过期时缩小/删除旧索引会很容易。

负面案例：之前有客户超大规模（100TB）以上的数据没有日期格式字段或者出现字段格式不规范的问题。

4.3 如果查询具有过滤字段且其值可枚举，则将数据分割成多个索引。

如果我们的查询中包含可枚举的过滤字段（例如，地区），则可以通过将数据分割成多个索引来提高查询性能。

例如，如果数据包含来自美国、欧洲和其他地区的记录，并且经常使用“region”过滤查询，那么可以将数据分割成三个索引，每个索引包含一组地区的数据。

这样，当执行带有过滤子句“region”的查询时，Elasticsearch 只需要在包含该地区数据的索引中搜索，从而提高查询性能。

5、扩展建议

5.1 索引状态管理

定义自定义管理策略以自动执行常规任务，并将其应用于索引和索引模式。例如，可以定义一项策略，使索引在30天后进入只读状态，然后在90天后将其删除。

ILM（索引生命周期管理）是 Elasticsearch 的一项功能，可自动化索引的管理和维护，具有以下好处：

• 简化索引管理：自动化索引的生命周期管理，包括索引的创建、更新、删除和存档，减轻管理员的负担。

• 提高性能：自动优化索引设置，包括调整分片大小、缩小索引和删除过期数据等，有助于提高查询性能和减少存储空间的使用。

• 降低成本：自动归档和删除过期数据，降低存储成本，减少管理员的工作量和时间成本。

• 更好的可扩展性：根据需要自动调整索引设置和存储策略，使索引更好地适应不断增长和变化的数据。

使用 ILM 可以让索引管理变得更简单、更可靠。

1. 干货 | Elasticsearch 索引生命周期管理 ILM 实战指南
   

2. Elasticsearch ILM 索引生命周期管理常见坑及避坑指南
   

5.2 快照生命周期管理

SLM（快照生命周期管理）是 Elasticsearch 的一项功能，可自动化快照的管理和维护，具有以下好处：

• 简化快照管理：自动化快照的生命周期管理，包括创建、管理、删除和清理快照，减轻管理员的负担。

• 提高效率：自动化快照的创建、管理、删除和清理，提高管理效率。

• 减少存储成本：自动删除无用的快照，降低存储成本。

• 更好的可扩展性：根据需要自动调整快照设置和存储策略，使快照更好地适应不断增长和变化的数据。

使用 SLM 可以让快照管理变得更简单、更可靠，提高管理效率和降低存储成本。

Elasticsearch 快照生命周期管理 (SLM) 实战指南

5.3 用好监控

为了监视Elasticsearch集群的性能并检测任何潜在问题，应该定期跟踪以下指标：

• 集群健康状况节点和分片：监控集群中节点的数量以及分片及其分布。
• 搜索性能：请求延迟和速率 - 跟踪搜索请求的延迟以及每秒搜索请求的数量。
• 索引性能：刷新时间和合并时间 - 监控刷新索引所需的时间以及合并段所需的时间。
• 节点利用率：线程池 - 监控每个节点上线程池的使用情况，例如索引池。

6、小结

遵循这些最佳实践，可以确保Elasticsearch部署性能高、可靠且可扩展。

请记住，Elasticsearch是一个功能强大的搜索和分析引擎，可以快速并近乎实时地处理大量数据，但是要充分利用它，需要计划、优化和监控部署。

以上建议仅供参考，实操环节以 Elasticsearch 官方文档和自己集群的性能测试结论为准。没有普适的优化建议，只有适合自己的优化才是最好的优化。

更短时间更快习得更多干货！

和全球 近2000+ Elastic 爱好者一起精进！