elasticsearch如何优化索引

在 Elasticsearch（ES）中，“优化索引”通常指提升写入性能、查询性能、降低存储成本、提升稳定性。下面从索引设计、写入优化、查询优化、存储与集群层面系统性说明。

一、索引设计优化（最重要）

1. 合理设置分片（Shard）

• 分片数不是越多越好
  • 单分片大小建议：10GB～50GB
  • 日志类：可偏大
  • 搜索类：可偏小
• 避免：
  • 分片过多（元数据开销大）
  • 分片过小（查询效率低）

PUT /my_index
{
  "settings": {
    "number_of_shards": 3,
    "number_of_replicas": 1
  }
}

2. 避免过多字段（Mapping 控制）

• 禁用动态映射（防止字段爆炸）

"dynamic": false

• 明确字段类型
• 不需要搜索的字段设为：

"enabled": false

或

"index": false

3. 合理选择字段类型

4. 减少 _source

如果不需要回查原始数据：

"_source": {
  "enabled": false
}

或只保留必要字段：

"_source": {
  "includes": ["id", "name"]
}

二、写入性能优化

1. 批量写入（Bulk）

• 使用 _bulk
• 单批次大小建议：5MB～15MB

2. 临时降低副本

大批量导入时：

PUT /my_index/_settings
{
  "number_of_replicas": 0
}

导入完成后再恢复。

3. 调整 Refresh 间隔

默认 1s，写入多时可调大：

PUT /my_index/_settings
{
  "refresh_interval": "30s"
}

4. 禁用 Translog 强刷（谨慎）

"index.translog.durability": "async"

三、查询性能优化

1. 避免通配符前缀查询

❌

"wildcard": { "name": "abc*" }

✅ 使用 keyword + prefix

2. 使用 Filter 而非 Query

• filter 不计算评分，可缓存

"bool": {
  "filter": [
    { "term": { "status": "active" } }
  ]
}

3. 合理使用聚合

• 避免在 text 字段上聚合
• 使用 keyword

4. 控制返回字段

"_source": ["id", "title"]

四、存储与段（Segment）优化

1. Force Merge（只读索引）

POST /my_index/_forcemerge?max_num_segments=1

✅ 适合日志、历史数据
❌ 不要对正在写入的索引操作

2. 冷热架构（ILM）

• Hot：高 CPU / SSD
• Warm：大磁盘
• Cold / Delete：归档或清理

五、索引生命周期管理（ILM）

自动：

• rollover（滚动）
• shrink（缩分片）
• delete（过期）

"rollover": {
  "max_size": "50gb",
  "max_age": "30d"
}

六、集群层面优化

• 足够 Heap（≤50% 内存）
• 使用 SSD
• 避免单节点多角色混用（大集群）
• 监控：
  • CPU
  • Heap
  • Segment 数
  • Refresh / Merge 时间

七、常见误区

❌ 分片越多越快
❌ 所有字段都 text
❌ 一直 refresh=0
❌ 不做 ILM

如果你愿意，可以告诉我：

• ES 版本
• 数据规模（GB / 文档数）
• 使用场景（日志 / 搜索 / 分析）

我可以给你针对性的索引模板和参数配置。