elasticsearch如何调优查询

Elasticsearch（ES）查询调优是一个系统工程，通常可以从索引设计、映射与分词、查询语句、DSL 写法、缓存与集群配置等多个层面入手。下面按“由浅入深、实战优先”的方式总结常见调优方法。

一、索引与映射层调优（根本）

1. 合理设计索引

• 避免一个大索引存所有数据
  • 按时间分索引（如 logs-2025-01、logs-2025-02）
  • 热冷数据分离（ILM）
• 合理设置分片数
  • 单分片大小建议：10–50GB
  • 分片过多 → 查询调度开销大
  • 分片过少 → 无法并行

2. 映射（Mapping）优化

• 不需要搜索的字段关掉索引

"字段名": {
  "type": "keyword",
  "index": false
}

• 不需要聚合的字段用 doc_values: false
• 用 keyword 而不是 text 做精确匹配
• 避免 _source 存储过大

"_source": {
  "excludes": ["大字段"]
}

3. 分词器优化

• 不需要分词的用 keyword
• 中文场景：
  • ik_max_word vs ik_smart
  • 搜索用 ik_smart，索引用 ik_max_word
• 关闭 norms（不需要评分时）

"type": "text",
"norms": false

二、查询 DSL 层调优（最直接）

1. 减少返回字段

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

2. 用 filter 而不是 must

• filter 可缓存，不计算评分

{
  "query": {
    "bool": {
      "filter": [
        { "term": { "status": 1 } }
      ]
    }
  }
}

3. 避免通配符前缀查询

• wildcard / prefix 很慢
• 能不用就不用，或限制长度

4. 使用 terms 代替多个 term

{ "terms": { "id": [1,2,3] } }

5. 控制 size 和 from

• 深分页很慢
• 用 search_after 替代 from+size

"search_after": [上次排序值]

6. 聚合优化

• 用 filter 聚合减少数据量
• 用 composite 聚合做深聚合
• 避免对 text 字段直接聚合

三、缓存与执行层调优

1. 利用节点查询缓存

• filter 上下文会被缓存
• 避免每次查询条件都不同

2. 开启分片请求缓存

"index.requests.cache.enable": true

3. 使用 preference 稳定路由

?preference=_session_id

四、集群与硬件层调优

1. JVM 内存

• 堆内存 ≤ 50% 物理内存
• 不超过 31GB（压缩指针）

2. 磁盘与 IO

• SSD 显著提升查询性能
• 避免磁盘打满

3. 线程池与队列

• search 线程池监控
• 避免大量慢查询占满线程

五、常见慢查询定位方法

1. Profile API

GET /index/_search
{
  "profile": true,
  "query": { ... }
}

2. 慢查询日志

"index.search.slowlog.threshold.query.warn": "1s"

3. Explain

GET /index/_explain/1
{
  "query": { ... }
}

六、典型优化案例

如果你有具体场景（如日志检索、商品搜索、聚合分析、亿级数据），我可以给出针对性调优方案或 DSL 示例。