文章目录
1.概述
1.前言
Elasticsearch的查询分为两阶段，查询（Query）阶段和提取（Fetch）阶段。Elasticsearch的数据分布在多个Shard以及多台机器上，当进行查询时，潜在的结果数据会在当前查询index的所有Shard中，所以Elasticsearch查询的时候需要查询所有Shard（同一个Shard的Primary和Replica选择一个即可），查询会分发给所有的Shard，每个Shard中都是一个独立的查询引擎，最后合并所有Shard查询的结果并返回。
2 合理的集群规划
前期Elasticsearch集群的数据合理规划是必须的，一个集群可以容纳的index的数量（准确的说是shard数据量)和shard的大小以及数据结点的数量和硬件配置有关，因此不可能有一个统一的标准。 最好通过监控数据来做容量管理，如果一个数据结点的heap压力很大，load过高导致查询或者写入慢，就应该考虑扩容加节点了。
因此建议尽量控制index和shard的数量，以一个Elasticsearch实例内存最大31G为例：
-
一个数据实例的shard数保持在600个以内
-
每个shard大小不要超过30GB，推荐20-30GB，100 GB以下的index设置成3-5个shard。大的index单shard不超过30GB。
合理的数据和集群规划是提高查询速度的前提条件。在集群状况良好的前提下进行参数调优。
当index/shard数量过多时，可以考虑从以下几个方面改进：
-
降低数据量较小的index的shard数量；
-
把一些关联的index合并成一个index；
-
关闭不使用的历史索引。
3 数据模型优化
3.1 精心设计Mapping
Elasticsearch默认的Mapping是动态Mapping，系统自动识别字段类型。因根据实际的业务数据去设置优化Mapping，根据具体的字段和需求去选择对应的类型和设置。
-
string类型默认分成：text和keyword两种类型。需要分词：text，否则keyword。
-
枚举类型，基于性能keyword，即便是整形。
-
数值类型，尽量选择贴近大小的类型。
-
其他类型，布尔、日期、地理位置。如果需要基于时间轴做分析，必须date类型，如果仅需秒级返回，建议使用keyword。
-
如果某个字段不需要被检索，将index设置为false。
-
如果字段完全不需要检索，排序，聚合分析，将enable设置为false。
3.2 选择合理的分词器
如果使用IK分词器，建议使用ik_max_word，粗粒度的分词结果基本包含细粒度ik_smart的结果。
4 查询限制
限制的内容包括：查询范围，单次查询数量等。
-
根据实际业务需求去规划查询范围，查询越少的字段越快，过大的查询范围不仅会导致查询效率低，而且会使Elasticsearch集群资源耗费急剧增加，甚至可能造成集群崩溃。通过_source参数可以控制返回字段信息，尽量避免读取大字段。
-
单次查询数量限制是
为了保证内存不会被查询内存大量占用，Elasticsearch默认的查询请求通常返回排序后的前10条记录，最多一次读取10000条记录。通过from和size参数控制读取记录范围，避免一次读取过多的记录。一次性查询大量的数据，使用scroll。
查询请求示例：
curl -XGET "http://127.0.0.1:24100/myindex-001/_search?pretty" -H 'Content-Type: application/json' -d'
{
"from": 0,
"size": 10,
"_source": "age",
"query": {
"match": {
"age": "56"
}
},
"sort": [
{
"age": {
"order": "asc"
}
}
]
}'
5 段合并（segment merge）
每个Shard是基于多个segment组成创建的，segment的个数的减少可以大幅的提高查询的速度，定时的进行手动索引段合并，可以提高查询速度。
curl -XPOST 'http://127.0.0.1:24100/myindex-001/_forcemerge?only_expunge_deletes=false&max_num_segments=1&flush=true&pretty'
注意：segment merge操作是需要耗费大量的磁盘I/O，所以建议在业务比较空闲的时间进行后台段合并。
关于索引合并这里有异议：【Elasticsearch】索引 强制合并 缓存 refresh flush 等操作
6 过滤查询（filter）
Elasticsearch的查询操作分为2种：查询（query）和过滤（filter），查询（query）默认会计算每个返回文档的得分，然后根据得分排序；而过滤（filter）只会筛选出符合的文档，并不计算得分，且可以缓存文档。
对于非全文检索的使用场景，用户并不关心查询结果和查询条件的相关度，只是想查找目标数据。此时可以使用filter来提高查询效率。
query查询：
curl -XGET "http://127.0.0.1:24100/myindex-001/_search?pretty" -H 'Content-Type: application/json' -d'
{
"query": {
"match": {
"age": "56"
}
}
}'
filter查询：
curl -XGET "http://127.0.0.1:24100/myindex-001/_search?pretty" -H 'Content-Type: application/json' -d'
{
"query": {
"bool": {
"filter": {
"match": {
"age": "56"
}
}
}
}
}'
7 路由（routing）
Elasticsearch写入文档时，文档会通过一个公式路由到一个索引中的一个分片上。默认公式如下：
shard_num = hash(_routing) % num_primary_shards
_routing字段的取值，默认是_id字段，可以根据业务场景设置经常查询的字段作为路由字段。例如可以考虑将用户id、地区作为路由字段，查询时可以过滤不必要的分片，加快查询速度。
写入时指定路由：
curl -PUT "http://127.0.0.1:24100/my_index/my_type/1?routing=user1&refresh=true" -H 'Content-Type: application/json' -d'
{
"title": "This is a document"
}'
查询时不指定路由，需要查询所有的分片：
curl -XGET "http://127.0.0.1:24100/my_index/_search?pretty" -H 'Content-Type: application/json' -d'
{
"query": {
"match": {
"title": "document"
}
}
}'
查询是指定路由，只需要查询1个分片：
curl -XGET "http://127.0.0.1:24100/my_index/_search?routing=user1&pretty" -H 'Content-Type: application/json' -d'
{
"query": {
"match": {
"title": "document"
}
}
}'
8 配置Client角色
Client角色可以用于发送查询请求到其他节点，收集和合并结果，以及响应发出查询的客户端。通过给Client节点配置更高规格的CPU和内存，可以加快查询运算速度，提升缓存命中数，增加Client节点可以增加查询并发数。
9 游标查询（scroll）
Elasticsearch为了避免深分页，不允许使用分页（from&size）查询10000条以后的数据，需要使用scroll（游标）查询。
curl -XGET "http://127.0.0.1:24102/myindex-001/_search?scroll=1m&pretty" -H 'Content-Type: application/json' -d'
{
"query": {
"match": {
"age": "36"
}
},
"size":10000
}'
优化scroll，在一般场景下，scroll通常用来取得需要排序过来的大量数据，但很多时候只需要把数据取出来就好，这时候可以对scroll进行优化。使用_doc去sort返回的结果不会有排序，此时执行效率最快。
curl -XGET "http://127.0.0.1:24102/myindex-001/_search?scroll=1m&pretty" -H 'Content-Type: application/json' -d'
{
"query": {
"match": {
"age": "36"
}
},
"size":10000,
"sort": "_doc"
}'
注意：在设置开启scroll时，设置了一个scroll的存活时间，但是如果能够在使用完顺手关闭，可以提早释放资源，降低ES的负担。
curl -XDELETE "http://127.0.0.1:24102/_search/scroll=1m&pretty" -H 'Content-Type: application/json' -d'
{
"scroll_id":"id"
}'
10 避免使用wildcard模糊匹配查询
Elasticsearch默认支持通过*？正则表达式来做模糊匹配，数据量级别达到TB+甚至更高之后，模糊匹配查询通常会耗时比较长，甚至可能导致内存溢出，卡死乃至崩溃宕机的情况。所以数据量大的情况下，不要使用模糊匹配查询。
11 聚合优化
大多时候对单个字段的聚合查询还是比较快的，但是当需要聚合多个字段时，就会产生大量的分组，最终结果就是占用Elasticsearch大量的内存，从而导致内存溢出的情况发生。尽量根据业务优化，减少聚合次数。
11.1 默认深度优化聚合改为广度优先聚合
添加设置："collect_mode": "breadth_first"
depth_first ：直接进行子聚合的计算
breadth_first ：先计算出当前聚合的结果，针对这个结果在对子聚合进行计算
11.2 在每一层terms aggregation内部加一个增加：“execution_hint”: “map”
添加设置："execution_hint": "map"
注意：
1、查询结果直接放入到内存中构建map，在查询结果集小的场景下，速度极快；
2、 但如果查询结果集合很大（百万-亿级别）的时候，传统聚合方式会比map方式快。