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。

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。

文章转载自公众号： 铭毅天下Elasticsearch