南昌网站页面优化seo网站推广专员招聘
先思考
1，硬件
至少4C8G
多节点
2，索引
分片合理 比如5主1副，根据数据量计算分片
刷新时机30s
3，写入
批量
多线程并行
4，查询
并行查询
补充
2，
mapping 优化
Doc Values优化
-
聚合/排序必须依赖doc_values
-
对纯过滤字段可禁用节省空间：
选择合适text keyword
3，写入
刷新30s
4，查询
只查询需要的
用filter代替query，filter不计算评分，可走缓存
深分页：search_after代替 from size
DS
Elasticsearch 性能优化全面指南
Elasticsearch 性能优化需要从多个维度进行综合考虑。以下是系统化的优化方案，按照优先级排序：
一、硬件与基础设施优化
1. 节点配置
-
内存分配：
-
JVM堆内存不超过物理内存的50%（最大不超过32GB）
-
剩余内存留给文件系统缓存
-
示例配置：
-Xms16g -Xmx16g
-
-
磁盘选择：
-
使用SSD（特别是高IOPS场景）
-
避免使用NFS等网络存储
-
推荐配置：RAID 0或单块高性能SSD
-
-
CPU核心：
-
每个节点至少4-8核
-
搜索密集型场景需要更多核心
-
2. 集群规划
-
分片策略：
-
单个分片大小控制在10-50GB
-
分片数 = 数据总量(GB)/30GB
-
示例：500GB数据 → 17个分片
-
-
节点角色分离：
yaml
复制
下载
node.master: true node.data: false node.ingest: false
-
专用master节点（3-5个）
-
专用data节点
-
专用coordinating节点
二、索引设计优化
1. 映射优化
-
字段精简：
-
禁用不需要的字段：
"enabled": false -
排除不需要返回的字段：
"store": false
-
-
类型选择：
-
数值类型选择最小够用的类型（如byte代替integer）
-
文本搜索使用
text，精确匹配使用keyword
-
-
多字段配置：
json
复制
下载
{"product_name": {"type": "text","fields": {"raw": { "type": "keyword" }}}
}
2. 索引设置
json
复制
下载
{"settings": {"index": {"number_of_shards": 10,"number_of_replicas": 1,"refresh_interval": "30s","translog": {"sync_interval": "5s","durability": "async"}}}
}
三、查询性能优化
1. 查询DSL优化
-
使用filter代替query：
-
filter不计算评分，可利用缓存
-
json
复制
下载
{"query": {"bool": {"filter": [{"term": { "status": "active" }}]}}
}
-
避免深度分页：
-
使用
search_after代替from/size -
对于TOP N结果使用
"size": 0+ 聚合
-
-
字段数据加载：
-
禁用不需要排序/聚合字段的doc_values：
json
复制
下载
{"price": {"type": "integer","doc_values": false} } -
2. 搜索模板
-
使用预编译查询模板：
json
复制
下载
POST _scripts/search_template_1
{"script": {"lang": "mustache","source": {"query": {"match": {"{{field}}": "{{value}}"}}}}
}
四、写入性能优化
1. 批量操作
-
合理的bulk大小：
-
建议5-15MB/请求
-
通过测试找到最佳值
-
-
并行化写入：
-
多线程发送bulk请求
-
根据集群规模调整并发数
-
2. 刷新与合并优化
json
复制
下载
PUT /my_index/_settings
{"index": {"refresh_interval": "30s","merge": {"scheduler": {"max_thread_count": 1}}}
}
五、监控与维护
1. 关键监控指标
-
集群健康：
-
GET _cluster/health -
关注unassigned_shards和pending_tasks
-
-
节点状态：
-
GET _nodes/stats -
重点监控JVM堆内存、GC时间、IO等待
-
2. 定期维护
-
冷数据归档：
-
使用ILM(Index Lifecycle Management)
-
示例策略：
-
json
复制
下载
PUT _ilm/policy/cold_data_policy
{"policy": {"phases": {"hot": {"actions": {"rollover": {"max_size": "50gb"}}},"delete": {"min_age": "30d","actions": {"delete": {}}}}}
}
-
定期force merge：
bash
复制
下载
POST /my_index/_forcemerge?max_num_segments=1