Elasticsearch索引和查询性能调优的21条建议【上】

喜欢ヅ旅行 2023-05-21 12:55 12阅读 0赞

Elasticsearch是一款流行的分布式开源搜索和数据分析引擎，具备高性能、易扩展、容错性强等特点。它强化了Apache Lucene的搜索能力，把掌控海量数据索引和查询的方式提升到一个新的层次。

本文结合开源社区和阿里云平台的实践经验，探讨如何调优Elasticsearch的性能提高索引和查询吞吐量。

![format_png][]

点击查看大图

**Elasticsearch部署建议**

**01**

**选择合理的硬件配置**

**尽可能使用SSD**

Elasticsearch最大的瓶颈往往是磁盘读写性能，尤其是随机读取性能。使用SSD（PCI-E接口SSD卡/SATA接口SSD盘）通常比机械硬盘（SATA盘/SAS盘）查询速度快5~10倍，写入性能提升不明显。

对于文档检索类查询性能要求较高的场景，建议考虑SSD作为存储，同时按照1:10的比例配置内存和硬盘。对于日志分析类查询并发要求较低的场景，可以考虑采用机械硬盘作为存储，同时按照1:50的比例配置内存和硬盘。单节点存储数据建议在2TB以内，不要超过5TB，避免查询速度慢、系统不稳定。

在单机存储1TB数据场景下，SATA盘和SSD盘的全文检索性能对比

（测试环境：Elasticsearch5.5.3，10亿条人口户籍登记信息，单机16核CPU、64GB内存，12块6TB SATA盘，2块1.5 TB SSD盘）

<table> 
 <tbody> 
  <tr> 
   <td>磁盘类型</td> 
   <td>并发数</td> 
   <td>QPS<br></td> 
   <td>平均检索响应时间</td> 
   <td>50%请求响应时间</td> 
   <td>90%请求响应时间</td> 
   <td>IOPS<br></td> 
  </tr> 
  <tr> 
   <td>SATA盘</td> 
   <td>10并发</td> 
   <td>17<br></td> 
   <td>563ms</td> 
   <td>478ms</td> 
   <td>994ms</td> 
   <td>1200<br></td> 
  </tr> 
  <tr> 
   <td>SATA盘</td> 
   <td>50并发</td> 
   <td>64<br></td> 
   <td>773ms</td> 
   <td>711ms</td> 
   <td>1155ms</td> 
   <td>1800<br></td> 
  </tr> 
  <tr> 
   <td>SATA盘</td> 
   <td>100并发</td> 
   <td>110<br></td> 
   <td>902ms</td> 
   <td>841ms</td> 
   <td>1225ms</td> 
   <td>2040<br></td> 
  </tr> 
  <tr> 
   <td>SATA盘</td> 
   <td>200并发</td> 
   <td>84<br></td> 
   <td>2369ms</td> 
   <td>2335ms</td> 
   <td>2909ms</td> 
   <td>2400<br></td> 
  </tr> 
  <tr> 
   <td>SSD盘</td> 
   <td>10并发</td> 
   <td>94<br></td> 
   <td>105ms</td> 
   <td>90ms</td> 
   <td>200ms</td> 
   <td>25400<br></td> 
  </tr> 
  <tr> 
   <td>SSD盘</td> 
   <td>50并发</td> 
   <td>144<br></td> 
   <td>346ms</td> 
   <td>341ms</td> 
   <td>411ms</td> 
   <td>66000<br></td> 
  </tr> 
  <tr> 
   <td>SSD盘</td> 
   <td>100并发</td> 
   <td>152<br></td> 
   <td>654ms</td> 
   <td>689ms</td> 
   <td>791ms</td> 
   <td>60000<br></td> 
  </tr> 
  <tr> 
   <td>SSD盘</td> 
   <td>200并发</td> 
   <td>210<br></td> 
   <td>950ms</td> 
   <td>1179ms</td> 
   <td>1369ms</td> 
   <td>60000<br></td> 
  </tr> 
 </tbody> 
</table>

**02**

**给JVM配置机器一半的内存**

**但是不建议超过32G**

修改conf/jvm.options配置，-Xms和-Xmx设置为相同的值，推荐设置为机器内存的一半左右，剩余一半留给操作系统缓存使用。jvm内存建议不要低于2G，否则有可能因为内存不足导致ES无法正常启动或内存溢出，jvm建议不要超过32G，否则jvm会禁用内存对象指针压缩技术，造成内存浪费。机器内存大于64G内存时，推荐配置-Xms30g -Xmx30g 。JVM堆内存较大时，内存垃圾回收暂停时间比较长，建议配置ZGC或G1垃圾回收算法。

**03**

**规模较大的集群配置专有主节点**

**避免脑裂问题**

Elasticsearch主节点（master节点）负责集群元信息管理、index的增删操作、节点的加入剔除，定期将最新的集群状态广播至各个节点。在集群规模较大时，建议配置专有主节点只负责集群管理，不存储数据，不承担数据读写压力。

\# 专有主节点配置(conf/elasticsearch.yml)：

node.master:true

node.data: false

node.ingest:false

\# 数据节点配置(conf/elasticsearch.yml)：

node.master:false

node.data:true

node.ingest:true

Elasticsearch默认每个节点既是候选主节点，又是数据节点。最小主节点数量参数minimum\_master\_nodes推荐配置为候选主节点数量一半以上，该配置告诉Elasticsearch当没有足够的master候选节点的时候，不进行master节点选举，等master节点足够了才进行选举。

例如对于3节点集群，最小主节点数量从默认值1改为2。

\# 最小主节点数量配置(conf/elasticsearch.yml)：

discovery.zen.minimum\_master\_nodes: 2

**04**

**Linux操作系统调优**

关闭交换分区，防止内存置换降低性能。

将/etc/fstab 文件中包含swap的行注释掉

sed -i '/swap/s/^/\#/' /etc/fstab

swapoff -a

单用户可以打开的最大文件数量，可以设置为官方推荐的65536或更大些

echo "\* - nofile 655360" >> /etc/security/limits.conf

单用户线程数调大

echo "\* - nproc 131072" >> /etc/security/limits.conf

单进程可以使用的最大map内存区域数量

echo "vm.max\_map\_count = 655360" >> /etc/sysctl.conf

参数修改立即生效

sysctl -p

**索引性能调优建议**

**01**

**设置合理的索引分片数和副本数**

索引分片数建议设置为集群节点的整数倍，初始数据导入时副本数设置为0，生产环境副本数建议设置为1（设置1个副本，集群任意1个节点宕机数据不会丢失；设置更多副本会占用更多存储空间，操作系统缓存命中率会下降，检索性能不一定提升）。单节点索引分片数建议不要超过3个，每个索引分片推荐10-40GB大小。索引分片数设置后不可以修改，副本数设置后可以修改。

Elasticsearch6.X及之前的版本默认索引分片数为5、副本数为1，从Elasticsearch7.0开始调整为默认索引分片数为1、副本数为1。

不同分片数对写入性能的影响

（测试环境：7节点Elasticsearch6.3集群，写入30G新闻数据，单节点56核CPU、380G内存、3TB SSD卡，0副本，20线程写入，每批次提交10M左右数据。）

<table> 
 <tbody> 
  <tr> 
   <td>集群索引分片数</td> 
   <td>单节点索引分片数</td> 
   <td>写入耗时</td> 
  </tr> 
  <tr> 
   <td>2<br></td> 
   <td>0/1<br></td> 
   <td>600s<br></td> 
  </tr> 
  <tr> 
   <td>7<br></td> 
   <td>1<br></td> 
   <td>327s<br></td> 
  </tr> 
  <tr> 
   <td>14<br></td> 
   <td>2</td> 
   <td>258s<br></td> 
  </tr> 
  <tr> 
   <td>21<br></td> 
   <td>3<br></td> 
   <td>211s<br></td> 
  </tr> 
  <tr> 
   <td>28<br></td> 
   <td>4<br></td> 
   <td>211s<br></td> 
  </tr> 
  <tr> 
   <td>56<br></td> 
   <td>8<br></td> 
   <td>214s<br></td> 
  </tr> 
 </tbody> 
</table>

索引设置

curl -XPUT http://localhost:9200/fulltext001?pretty -H 'Content-Type: application/json'   -d '
    {
        "settings" : {
          "refresh_interval": "30s",
          "merge.policy.max_merged_segment": "1000mb",
          "translog.durability": "async",
          "translog.flush_threshold_size": "2gb",
          "translog.sync_interval": "100s",
          "index" : {
            "number_of_shards" : "21",
            "number_of_replicas" : "0"
          }
        }
    }
    '

mapping设置

curl -XPOST http://localhost:9200/fulltext001/doc/_mapping?pretty  -H 'Content-Type: application/json' -d '
    {
        "doc" : {
            "_all" : {
                "enabled" : false
             },
            "properties" : {
              "content" : {
                "type" : "text",
                "analyzer":"ik_max_word"
              },
              "id" : {
                "type" : "keyword"
              }
            }
        }
    }
    '

写入数据示例

curl -XPUT 'http://localhost:9200/fulltext001/doc/1?pretty' -H 'Content-Type: application/json' -d '
    {
        "id": "https://www.huxiu.com/article/215169.html",
        "content": "“娃娃机，迷你KTV，VR体验馆，堪称商场三大标配‘神器’。”一家地处商业中心的大型综合体负责人告诉懂懂笔记，在过去的这几个月里，几乎所有的综合体都“标配”了这三种“设备”…"
    }'

修改副本数示例

curl -XPUT "http://localhost:9200/fulltext001/_settings" -H 'Content-Type: application/json' -d'
    {
        "number_of_replicas": 1
    }'

**02**

**使用批量请求**

使用批量请求将产生比单文档索引请求好得多的性能。写入数据时调用批量提交接口，推荐每批量提交5~15MB数据。例如单条记录1KB大小，每批次提交10000条左右记录写入性能较优；单条记录5KB大小，每批次提交2000条左右记录写入性能较优。

批量请求接口API

curl -XPOST "http://localhost:9200/_bulk" -H 'Content-Type: application/json' -d'
    { "index" : { "_index" : "test", "_type" : "_doc", "_id" : "1" } }
    { "field1" : "value1" }
    { "delete" : { "_index" : "test", "_type" : "_doc", "_id" : "2" } }
    { "create" : { "_index" : "test", "_type" : "_doc", "_id" : "3" } }
    { "field1" : "value3" }
    { "update" : {"_id" : "1", "_type" : "_doc", "_index" : "test"} }
    { "doc" : {"field2" : "value2"} }
    '

**03**

**通过多进程/线程发送数据**

单线程批量写入数据往往不能充分利用服务器CPU资源，可以尝试调整写入线程数或者在多个客户端上同时向Elasticsearch服务器提交写入请求。与批量调整大小请求类似，只有测试才能确定最佳的worker数量。可以通过逐渐增加工作任务数量来测试，直到集群上的I / O或CPU饱和。

**04**

**调大refresh interval**

在 Elasticsearch 中，写入和打开一个新段的轻量的过程叫做 refresh 。 默认情况下每个分片会每秒自动刷新一次。这就是为什么我们说 Elasticsearch 是 近 实时搜索: 文档的变化并不是立即对搜索可见，但会在一秒之内变为可见。

并不是所有的情况都需要每秒刷新。可能你正在使用 Elasticsearch 索引大量的日志文件，你可能想优化索引速度而不是近实时搜索，可以通过设置 refresh\_interval，降低每个索引的刷新频率。

设置refresh interval API

curl -XPUT "http://localhost:9200/index" -H 'Content-Type: application/json' -d'
    {
        "settings" : {
          "refresh_interval": "30s"
        }
    }'

refresh\_interval 可以在既存索引上进行动态更新。

在生产环境中，当你正在建立一个大的新索引时，可以先关闭自动刷新，待开始使用该索引时，再把它们调回来

curl -XPUT "http://localhost:9200/index/_settings" -H 'Content-Type: application/json' -d'
    { "refresh_interval": -1 }'
    
    
    curl -XPUT "http://localhost:9200/index/_settings" -H 'Content-Type: application/json' -d'
    { "refresh_interval": "1s" }'

**05**

**配置事务日志参数**

事务日志translog用于防止节点失败时的数据丢失。它的设计目的是帮助shard恢复操作，否则数据可能会从内存flush到磁盘时发生意外而丢失。事务日志translog的落盘(fsync)是ES在后台自动执行的，默认每5秒钟提交到磁盘上，或者当translog文件大小大于512MB提交，或者在每个成功的索引、删除、更新或批量请求时提交。

索引创建时，可以调整默认日志刷新间隔5秒，例如改为60秒，index.translog.sync\_interval: "60s"。创建索引后，可以动态调整translog参数，"index.translog.durability":"async"相当于关闭了index、bulk等操作的同步flush translog操作，仅使用默认的定时刷新、文件大小阈值刷新的机制。

动态设置translog API

curl -XPUT "http://localhost:9200/index" -H 'Content-Type: application/json' -d'
    {
        "settings" : {
          "index.translog.durability": "async",
          "translog.flush_threshold_size": "2gb"
        }
    }'

**06**

**设计mapping配置合适的字段类型**

Elasticsearch在写入文档时，如果请求中指定的索引名不存在，会自动创建新索引，并根据文档内容猜测可能的字段类型。但这往往不是最高效的，我们可以根据应用场景来设计合理的字段类型。

例如写入一条记录

curl -XPUT "http://localhost:9200/twitter/doc/1?pretty" -H 'Content-Type: application/json' -d'
    {
        "user": "kimchy",
        "post_date": "2009-11-15T13:12:00",
        "message": "Trying out Elasticsearch, so far so good?"
    }'

查询Elasticsearch自动创建的索引mapping，会发现将post\_date字段自动识别为date类型，但是message和user字段被设置为text、keyword冗余字段，造成写入速度降低、占用更多磁盘空间。

{
      "twitter": {
        "mappings": {
          "doc": {
            "properties": {
              "message": {
                "type": "text",
                "fields": {
                  "keyword": {
                    "type": "keyword",
                    "ignore_above": 256
                  }
                }
              },
              "post_date": {
                "type": "date"
              },
              "user": {
                "type": "text",
                "fields": {
                  "keyword": {
                    "type": "keyword",
                    "ignore_above": 256
                  }
                }
              }
            }
          }
        },
        "settings": {
          "index": {
            "number_of_shards": "5",
            "number_of_replicas": "1",
          }
        }
      }
    }

根据业务场景设计索引配置合理的分片数、副本数，设置字段类型、分词器。如果不需要合并全部字段，禁用\_all字段，通过copy\_to来合并字段。

curl -XPUT "http://localhost:9200/twitter?pretty" -H 'Content-Type: application/json' -d'
    {
        "settings" : {
          "index" : {
            "number_of_shards" : "20",
            "number_of_replicas" : "0"
          }
        }
    }'
    
    
    
    
    
    
    curl -XPOST "http://localhost:9200/twitter/doc/_mapping?pretty" -H 'Content-Type: application/json' -d'
    {
        "doc" : {
            "_all" : {
            "enabled" : false
        },
        "properties" : {
              "user" : {
              "type" : "keyword"
              },
              "post_date" : {
                "type" : "date"
              },
              "message" : {
                "type" : "text",
                "analyzer" : "cjk"
              }
            }
        }
    }'

< END >

**喜欢就点个在看 or 转发个朋友圈呗**

![format_png 1][]

衣舞晨风