elasticsearch如何提升性能

提升 Elasticsearch（ES）性能，通常可以从架构设计、索引配置、查询优化、写入优化、硬件与集群等多个维度入手。下面按常见场景系统总结：

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
  • 过多分片会增加：
    • 集群管理开销
    • 查询协调节点压力
• 写入量大：可适当增加分片
• 查询量大：减少分片，提升聚合效率

2. 合理设置副本（Replica）

• 副本提升读性能和高可用
• 写压力大的场景：
  • 写入时设为 0
  • 写入完成后再增加副本

3. Mapping 优化

• 避免动态 Mapping
• 明确字段类型，避免 text 滥用
• 不需要搜索的字段：

  "enabled": false
  

• 不需要分词的字段：

  "type": "keyword"
  

• 大文本字段使用：

  "index": false
  

4. 合理使用 _source

• 不需要返回原始数据：

  "_source": false
  

• 或使用 includes/excludes 裁剪字段

二、写入性能优化

1. 批量写入（Bulk）

• 使用 _bulk API
• 单批大小建议：5MB～15MB
• 避免单条写入

2. 调整 Refresh 间隔

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

• 默认 1s，写多读少场景可加大

3. 禁用副本再写入

"number_of_replicas": 0

4. 调整 Translog

{
  "index.translog.durability": "async",
  "index.translog.sync_interval": "30s"
}

5. 使用自动生成 ID

• 避免指定 _id
• 减少版本检查开销

三、查询性能优化

1. 避免深分页

• 不使用 from + size 深翻页
• 使用：
  • search_after
  • scroll（离线）
  • PIT（推荐）

2. 减少字段返回

"_source": ["field1", "field2"]

3. 使用 Filter 而非 Query

"filter": { "term": { "status": 1 } }

• filter 可缓存，不计算评分

4. 聚合优化

• 避免高基数字段聚合（如 user_id）
• 使用：
  • execution_hint
  • composite 聚合
• 预计算 + 定时任务

5. 避免通配符查询

• wildcard / prefix / regex 很慢
• 尽量用 keyword + term

四、集群与硬件优化

1. 角色分离

• master / data / ingest / coordinating 分离
• 避免 master 节点承担数据压力

2. JVM 配置

• 堆内存 ≤ 物理内存 50%
• 不超过 31GB（压缩指针）
• 使用 G1GC（新版本）

3. 磁盘

• 使用 SSD / NVMe
• 避免网络存储

4. 文件系统

• 使用 ext4 / xfs
• 关闭 atime

五、缓存与监控

1. 利用缓存

• Node Query Cache
• Shard Request Cache
• File System Cache（OS cache）

2. 监控指标

• search latency
• indexing rate
• CPU / heap / disk IO
• 使用：
  • Kibana Monitoring
  • Prometheus + Grafana

六、常见性能问题速查

如果你能告诉我：

• ES 版本
• 数据量 / 写入 QPS / 查询 QPS
• 主要慢在「写入」还是「查询」

我可以给你更针对性的调优方案。