宁河做网站公司,WordPress挂在虚拟站点,百度公司怎么样,iis编辑网站绑定❃博主首页 #xff1a; 「码到三十五」 #xff0c;同名公众号 :「码到三十五」#xff0c;wx号 : 「liwu0213」 ☠博主专栏 #xff1a; mysql高手 elasticsearch高手 源码解读 java核心 面试攻关 ♝博主的话 #xff1a… ❃博主首页 「码到三十五」 同名公众号 :「码到三十五」wx号 : 「liwu0213」 ☠博主专栏 mysql高手 elasticsearch高手 源码解读 java核心 面试攻关 ♝博主的话 搬的每块砖皆为峰峦之基公众号搜索「码到三十五」关注这个爱发技术干货的coder一起筑基 文章目录 引言1. 硬件选择和优化磁盘优化CPU优化网络优化存储与压缩优化JVM与内存管理 2. 索引与分片策略索引生命周期管理分片与副本策略 3. 查询优化缓存机制聚合优化数据建模优化其他 4. 监控与日志5. 高级调优技巧脚本优化文档路由插件与扩展 5. 案例背景痛点分析解决方案具体设置及代码JVM设置索引设置查询优化 结语 引言
Elasticsearch性能调优对于提升系统整体效能至关重要。然而性能调优并非一蹴而就需要深入理解ES的内部工作机制并结合实际业务场景进行精细化调整。本文将深入解释ES性能调优方法的原理结合具体案例展示如何在实际应用中优化ES性能。
1. 硬件选择和优化
磁盘优化 使用SSD对于频繁读写操作的Elasticsearch集群使用SSD固态硬盘可以显著提高I/O性能。 RAID配置可以考虑使用RAID0来提高写入性能或者使用RAID10镜像条带化来兼顾性能和数据安全性。 冷热数据分离对于不经常访问的“冷数据”可以将其存储在成本更低的机械硬盘上以节省成本。 CPU优化 多核与多线程选择CPU时优先考虑核心数和线程数多的型号以便更好地处理并发查询和索引操作 避免单核高性能对于Elasticsearch来说高单核性能并不是首要考虑的因素因为Elasticsearch的设计可以很好地利用多核多线程。
网络优化 低延迟网络确保Elasticsearch集群部署在低延迟的网络环境中以减少节点间通信的延迟。 跨地域部署的注意事项尽量避免跨地域部署单个集群以减少网络故障的风险。
存储与压缩优化
Elasticsearch内部对倒排表的存储进行了深度优化使用了多种压缩算法来减少存储空间和提高查询效率。在数据建模时应尽可能采用通用最小化法则例如使用合适的字段类型如Keyword代替数值类型进行精确匹配查询、避免重复存储等。
FSTFinite State Transducers模型Elasticsearch使用FST模型来存储词项字典可以极大地节省存储空间并提升查询效率。一个TB级的索引通过FST存储后其构建的模型大小可缩小至1GB左右。 JVM与内存管理
Elasticsearch运行在JVM上合理的JVM配置对于提升性能至关重要。JVM堆内存大小、垃圾回收策略等都会影响ES的写入和查询性能。 堆内存设置一般建议JVM堆内存大小不超过物理内存的50%且最大不超过32GB对于支持Compressed OOP的JVM。 禁用SwapSwap交换会导致JVM堆内存被换出到磁盘严重影响性能应尽可能禁用Swap。
2. 索引与分片策略
索引生命周期管理 Rollover Index定期创建新的索引来存储新数据避免单个索引过大。 Index Lifecycle Management (ILM)利用Elasticsearch的ILM功能自动化地管理索引的生命周期包括创建、滚动、删除等操作。
分片与副本策略
ES通过分片Shard和副本Replica机制来实现数据的分布式存储和查询从而提高系统的可用性和性能。 分片分配分片用于数据的水平拆分可以将数据分片存储在不同的节点上提高查询的并行处理能力。合理的分片数量和大小对于优化性能至关重要。一般建议单个分片大小控制在10GB到50GB之间。根据数据的增长速度和查询负载来动态调整分片数量和大小。分片过多会增加查询时的JVM开销和协调节点的转发压力影响查询性能。 副本策略副本用于数据的冗余存储提高数据的可用性和容错能力。在写入大量数据时可以暂时关闭副本以加速索引过程待数据写入完成后再恢复副本。
3. 查询优化
缓存机制
利用查询缓存Elasticsearch会自动缓存频繁执行的查询结果以减少查询延迟。可以通过调整indices.queries.cache.size参数来优化查询缓存的大小。
聚合优化 预索引聚合字段对于经常需要聚合的字段可以在索引时预先计算聚合结果并存储在专门的字段中以加快查询速度。 避免使用高成本的聚合操作如global aggregations这类聚合操作需要访问所有分片的数据成本较高。
数据建模优化 使用nested和join字段谨慎nested和join字段会显著增加查询的复杂度仅在必要时使用并考虑其性能影响。 合理使用mapping例如对于不需要全文检索的字段可以使用keyword类型而不是text类型以提高查询性能。 其他 增加刷新间隔减少不必要的索引刷新操作可以提升写入性能。默认情况下ES每秒刷新一次索引但在批量写入场景下可以适当增加刷新间隔。 使用filter代替queryfilter查询不计算文档的相关性得分且通常会被缓存因此在执行精确匹配查询时应优先考虑使用filter。 避免深度分页深度分页会导致大量无用数据的检索严重影响性能。建议使用scroll API或search_after参数来实现深度分页。
4. 监控与日志
实时监控集群状态使用Elasticsearch自带的监控工具或第三方监控解决方案如Kibana、Grafana等来实时监控集群的性能指标如CPU使用率、内存占用、查询延迟等。日志分析定期检查Elasticsearch的日志文件分析错误信息、警告信息和慢查询日志及时发现并解决潜在的性能问题。
5. 高级调优技巧
脚本优化
避免在查询中使用复杂的脚本脚本查询通常比DSL查询慢得多应尽量避免在高频查询中使用脚本。
文档路由
合理设置文档路由通过为文档指定路由值可以控制文档存储到哪个分片上有助于优化查询性能和数据分布。
插件与扩展
利用插件增强功能Elasticsearch提供了丰富的插件生态系统可以通过安装合适的插件来扩展功能或优化性能如analysis插件、security插件等。
5. 案例
背景
一家提供SMS短信服务的供应商其主要客户群体为各大银行系统。随着业务量的增长短信发送记录的索引变得异常庞大严重影响了系统的写入和查询性能。
痛点分析
索引过于庞大单个索引包含了大量的短信发送记录导致查询和写入性能下降。索引过多虽然通过滚动索引策略解决了单个索引过大的问题但随着时间推移索引数量激增跨索引查询性能成为新的瓶颈。
解决方案 优化索引结构 采用滚动索引策略每天创建一个新的索引来存储当天的短信发送记录。根据业务属性如手机号归属地、所属运营商对索引进行拆分减少跨索引查询的范围。 调整JVM与内存设置 增加JVM堆内存大小确保系统有足够的内存来处理大量数据。禁用Swap避免JVM堆内存被换出到磁盘。 优化查询性能 对于精确匹配查询使用filter代替query。避免深度分页使用scroll API来实现大数据量的分页查询。 动态调整分片与副本 根据数据量和业务需求动态调整分片数量和大小。在批量写入时暂时关闭副本以加速索引过程。
具体设置及代码
JVM设置
在elasticsearch.yml中配置JVM堆内存大小
-Xms32g
-Xmx32g禁用Swap
# 编辑/etc/sysctl.conf文件
vm.swappiness0
# 执行sysctl -p使设置生效
sysctl -p索引设置
调整索引刷新间隔和Buffer大小
PUT /sms_index/_settings
{index : {refresh_interval : 30s,indices.memory.index_buffer_size: 20%}
}关闭副本进行批量写入
PUT /sms_index/_settings
{number_of_replicas: 0
}批量写入完成后恢复副本数量
PUT /sms_index/_settings
{number_of_replicas: 1
}查询优化
使用filter代替query进行精确匹配查询
GET /sms_index/_search
{query: {bool: {filter: [{ term: { phone_number: 138xxxxxx88 }}]}}
}使用scroll API进行深度分页查询
POST /sms_index/_search?scroll1m
{size: 100,query: {match_all: {}}
}# 使用scroll id进行后续查询
GET /_search/scroll
{scroll: 1m,scroll_id: DXF1ZXJ5QW5kRmV0Y2gBAAAAAAAAAD4WYm9laVYtZndUQlNsdDcwakFMNjU1QQ
}结语
Elasticsearch性能调优是一个持续的过程需要根据业务需求、数据量和集群规模不断调整和优化。希望本文提供的详细分析和建议能够帮助读者更好地理解和应用Elasticsearch性能调优方法提升系统的整体效能。同时也鼓励读者不断探索和实践新的调优策略以适应不断变化的业务需求和技术环境。 关注公众号[码到三十五]获取更多技术干货 !
