從 10 秒到 2 秒！ElasticSearch 效能調優
大家好，我是皮蛋二哥。
“ELK”是 ElasticSearch、Logstash、Kibana 三門技術的簡稱。如今 ELK 技術棧在網際網路行業資料開發領域使用率越來越高，做過資料收集、資料開發、資料儲存的同學相信對這個簡稱並不陌生，而ElasticSearch（以下簡稱 ES）則在 ELK 棧中佔著舉足輕重的地位。
前一段時間，我親身參與了一個 ES 叢集的調優，今天把我所瞭解與用到的調優方法與大家分享，如有錯誤，請大家包涵與指正。
系統層面的調優
系統層面的調優主要是記憶體的設定與避免交換記憶體。
ES 安裝後預設設定的堆記憶體是 1GB，這很明顯是不夠的，那麼接下來就會有一個問題出現：我們要設定多少記憶體給 ES 呢？
其實這是要看我們叢集節點的記憶體大小，還取決於我們是否在伺服器節點上還是否要部署其他服務。
如果記憶體相對很大，如 64G 及以上，並且我們不在 ES 叢集上部署其他服務，那麼我建議 ES 記憶體可以設定為 31G-32G，因為這裡有一個 32G 效能瓶頸問題，直白的說就是即使你給了 ES 叢集大於 32G 的記憶體，其效能也不一定會更加優良，甚至會不如設定為 31G-32G 時候的效能。
以我調優的叢集為例，我所調優的伺服器節點記憶體為 64G，伺服器節點上也基本不跑其他服務，所以我把 ES 叢集記憶體大小設定為了 31G，以充分發揮叢集效能。
設定 ES 叢集記憶體的時候，還有一點就是確保堆記憶體最小值（Xms）與最大值（Xmx）的大小是相同的，防止程式在執行時改變堆記憶體大小，這是一個很耗系統資源的過程。
還有一點就是避免交換記憶體，可以在配置檔案中對記憶體進行鎖定，以避免交換記憶體（也可以在作業系統層面進行關閉記憶體交換）。對應的引數：
bootstrap.mlockall: true
分片與副本
分片 (shard)：ES 是一個分散式的搜尋引擎, 索引通常都會分解成不同部分, 分佈在不同節點的部分資料就是分片。ES 自動管理和組織分片, 並在必要的時候對分片資料進行再平衡分配, 所以使用者基本上不用擔心分片的處理細節。建立索引時預設的分片數為 5 個，並且一旦建立不能更改。
副本 (replica)：ES 預設建立一份副本，就是說在 5 個主分片的基礎上，每個主分片都相應的有一個副本分片。額外的副本有利有弊，有副本可以有更強的故障恢復能力，但也佔了相應副本倍數的磁碟空間。
那我們在建立索引的時候，應該建立多少個分片與副本數呢？
對於副本數，比較好確定，可以根據我們叢集節點的多少與我們的儲存空間決定，我們的叢集伺服器多，並且有足夠大多儲存空間，可以多設定副本數，一般是 1-3 個副本數，如果叢集伺服器相對較少並且儲存空間沒有那麼寬鬆，則可以只設定一份副本以保證容災（副本數可以動態調整）。
對於分片數，是比較難確定的。因為一個索引分片數一旦確定，就不能更改，所以我們在建立索引前，要充分的考慮到，以後我們建立的索引所儲存的資料量，否則建立了不合適的分片數，會對我們的效能造成很大的影響。
對於分片數的大小，業界一致認為分片數的多少與記憶體掛鉤，認為 1GB 堆記憶體對應 20-25 個分片，而一個分片的大小不要超過 50G，這樣的配置有助於叢集的健康。
但是我個人認為這樣的配置方法過於死板，我個人在調優 ES 叢集的過程中，根據總資料量的大小，設定了相應的分片，保證每一個分片的大小沒有超過 50G（大概在 40G 左右），但是相比之前的分片數查詢起來，效果並不明顯。之後又嘗試了增加分片數，發現分片數增多之後，查詢速度有了明顯的提升，每一個分片的資料量控制在 10G 左右。
查詢大量小分片使得每個分片處理資料速度更快了，那是不是分片數越多，我們的查詢就越快，ES 效能就越好呢？
其實也不是，因為在查詢過程中，有一個分片合併的過程，如果分片數不斷的增加，合併的時間則會增加，而且隨著更多的任務需要按順序排隊和處理，更多的小分片不一定要比查詢較小數量的更大的分片更快。如果有多個併發查詢，則有很多小碎片也會降低查詢吞吐量。
如果現在你的場景是分片數不合適了，但是又不知道如何調整，那麼有一個好的解決方法就是按照時間建立索引，然後進行通配查詢。如果每天的資料量很大，則可以按天建立索引，如果是一個月積累起來導致資料量很大，則可以一個月建立一個索引。如果要對現有索引進行重新分片，則需要重建索引，我會在文章的最後總結重建索引的過程。
引數調優
下面我會介紹一些 ES 關鍵引數的調優。
有很多場景是，我們的 ES 叢集佔用了多大的 cpu 使用率，該如何調節呢。cpu 使用率高，有可能是寫入導致的，也有可能是查詢導致的，那要怎麼檢視呢？
可以先通過 GET _nodes/{node}/hot_threads 檢視執行緒棧，檢視是哪個執行緒佔用 cpu 高，如果是 elasticsearch[{node}][search][T#10] 則是查詢導致的，如果是 elasticsearch[{node}][bulk][T#1] 則是資料寫入導致的。
我在實際調優中，cpu 使用率很高，如果不是 SSD，建議把 index.merge.scheduler.max_thread_count: 1 索引 merge 最大執行緒數設定為 1 個，該引數可以有效調節寫入的效能。因為在儲存介質上併發寫，由於定址的原因，寫入效能不會提升，只會降低。
還有幾個重要引數可以進行設定，各位同學可以視自己的叢集情況與資料情況而定。
index.refresh_interval ：這個引數的意思是資料寫入後幾秒可以被搜尋到，預設是 1s。每次索引的 refresh 會產生一個新的 lucene 段, 這會導致頻繁的合併行為，如果業務需求對實時性要求沒那麼高，可以將此引數調大，實際調優告訴我，該引數確實很給力，cpu 使用率直線下降。
indices.memory.index_buffer_size ：如果我們要進行非常重的高併發寫入操作，那麼最好將 indices.memory.index_buffer_size 調大一些，index buffer 的大小是所有的 shard 公用的，一般建議（看的大牛部落格），對於每個 shard 來說，最多給 512mb，因為再大效能就沒什麼提升了。ES 會將這個設定作為每個 shard 共享的 index buffer，那些特別活躍的 shard 會更多的使用這個 buffer。預設這個引數的值是 10%，也就是 jvm heap 的 10%。
translog ：ES 為了保證資料不丟失，每次 index、bulk、delete、update 完成的時候，一定會觸發重新整理 translog 到磁碟上。在提高資料安全性的同時當然也降低了一點效能。如果你不在意這點可能性，還是希望效能優先，可以設定如下引數：
{
"index.translog": {
"sync_interval": "120s", --sync 間隔調高
"durability": "async", -– 非同步更新
"flush_threshold_size":"1g" --log 檔案大小
}
}
這樣設定的意思是開啟非同步寫入磁碟，並設定寫入的時間間隔與大小，有助於寫入效能的提升。
還有一些超時引數的設定：
discovery.zen.ping_timeout 判斷 master 選舉過程中，發現其他 node 存活的超時設定
discovery.zen.fd.ping_interval 節點被 ping 的頻率，檢測節點是否存活
discovery.zen.fd.ping_timeout 節點存活響應的時間，預設為 30s，如果網路可能存在隱患，可以適當調大
discovery.zen.fd.ping_retries ping 失敗/超時多少導致節點被視為失敗，預設為 3
其他建議
還有一些零碎的優化建議喔。
插入索引自動生成 id：當寫入端使用特定的 id 將資料寫入 ES 時，ES 會檢查對應的索引下是否存在相同的 id，這個操作會隨著文件數量的增加使消耗越來越大，所以如果業務上沒有硬性需求建議使用 ES 自動生成的 id，加快寫入速率。
避免稀疏索引：索引稀疏之後，會導致索引檔案增大。ES 的 keyword，陣列型別採用 doc_values 結構，即使欄位是空值，每個文件也會佔用一定的空間，所以稀疏索引會造成磁碟增大，導致查詢和寫入效率降低。
我的調優
下面說一說我的調優：
我的調優主要是重建索引，更改了現有索引的分片數量，經過不斷的測試，找到了一個最佳的分片數量，重建索引的時間是漫長的，在此期間，又對 ES 的寫入進行了相應的調優，使 cpu 使用率降低下來。附上我的調優引數。
index.merge.scheduler.max_thread_count:1 # 索引 merge 最大執行緒數 indices.memory.index_buffer_size:30%# 記憶體 index.translog.durability:async # 這個可以非同步寫硬碟，增大寫的速度 index.translog.sync_interval:120s #translog 間隔時間 discovery.zen.ping_timeout:120s # 心跳超時時間 discovery.zen.fd.ping_interval:120s# 節點檢測時間 discovery.zen.fd.ping_timeout:120s#ping 超時時間 discovery.zen.fd.ping_retries:6# 心跳重試次數 thread_pool.bulk.size:20 # 寫入執行緒個數 由於我們查詢執行緒都是在程式碼裡設定好的，我這裡只調節了寫入的執行緒數 thread_pool.bulk.queue_size:1000 # 寫入執行緒佇列大小 index.refresh_interval:300s #index 重新整理間隔
關於重建索引
在重建索引之前，首先要考慮一下重建索引的必要性，因為重建索引是非常耗時的。
ES 的 reindex api 不會去嘗試設定目標索引，不會複製源索引的設定，所以我們應該在執行_reindex 操作之前設定目標索引，包括設定對映（mapping），分片，副本等。
第一步，和建立普通索引一樣建立新索引。當資料量很大的時候，需要設定重新整理時間間隔，把 refresh_intervals 設定為-1，即不重新整理,number_of_replicas 副本數設定為 0（因為副本數可以動態調整，這樣有助於提升速度）。
{
"settings": {
"number_of_shards": "50",
"number_of_replicas": "0",
"index": {
"refresh_interval": "-1"
}}"mappings": {
}}
第二步，呼叫 reindex 介面，建議加上 wait_for_completion=false 的引數條件，這樣 reindex 將直接返回 taskId。
POST _reindex?wait_for_completion=false
{
"source": {
"index": "old_index",//原有索引
"size": 5000//一個批次處理的資料量
},
"dest": {
"index": "new_index",//目標索引
}
}
第三步，等待。可以通過 GET _tasks?detailed=true&actions=*reindex 來查詢重建的進度。如果要取消 task 則呼叫 _tasks/node_id:task_id/_cancel 。
第四步，刪除舊索引，釋放磁碟空間。更多細節可以檢視 ES 官網的 reindex api。
那麼有的同學可能會問，如果我此刻 ES 是實時寫入的，那咋辦呀？
這個時候，我們就要重建索引的時候，在引數里加上上一次重建索引的時間戳。直白的說就是——比如我們的資料是 100G，這時候我們重建索引了，但是這個 100G 在增加，那麼我們重建索引的時候，需要記錄好重建索引的時間戳，記錄時間戳的目的是下一次重建索引跑任務的時候不用全部重建，只需要在此時間戳之後的重建就可以，如此迭代，直到新老索引資料量基本一致，把資料流向切換到新索引的名字。
POST /_reindex
{
"conflicts": "proceed",//意思是衝突以舊索引為準，直接跳過沖突，否則會丟擲異常，停止task
"source": {
"index": "old_index"//舊索引
"query": {
"constant_score" : {
"filter" : {
"range" : {
"data_update_time" : {
"gte" : 123456789//reindex開始時刻前的毫秒時間戳
}
}
}
}
}
},
"dest": {
"index": "new_index",//新索引
"version_type": "external"//以舊索引的資料為準
}
}
以上就是我在 ES 調優上的一點總結，希望能夠幫助到對 ES 效能有困惑的同學們，謝謝大家。
我是皮蛋，我喂自己袋鹽。
文 / 皮蛋二哥
“一直以為只要保持低調，
就沒人知道其實我是一名作家”
編 / 熒聲
作者其他文章
感謝您的閱讀
歡迎關注、點贊、留言討論、分享轉發支援我們
期望讚賞作者？
請檢視公眾號選單中「關於」-「支援我們」
經常錯過推送？
給創宇前端公眾號加上星標吧
