文章目录
- 1. 尽量 Denormalize 数据
- 2. 数据建模
- 3. 避免查询时脚本
- 4. 常见的查询性能问题 - 使用 Query Context
- 5. 聚合文档消耗内存
- 6. 通配符开始的正则表达
- 7. 优化分片
- 8. 读性能优化
1. 尽量 Denormalize 数据
- Elasticsearch ！= 关系型数据库
- 尽可能
Denormalize 数据，从而获取最佳的性能 - 使用
Nested 类型的数据。查询速度会慢几倍 - 使用
Parent / Child 关系。查询速度会慢几百倍
2. 数据建模
- 尽量将数据先行计算，然后保存到 Elasticsearch 中。尽量避免查询时的 Script 计算
- 尽量使用
Filter Context，利用缓存机制，减少不必要的算分 - 结合
profile，explain API 分析慢查询的问题，持续优化数据模型 - 严禁使用 * 开头通配符
Terms 查询
3. 避免查询时脚本
可以在 Index 文档时，使用 Ingest Pipeline，计算并写入某个字段
4. 常见的查询性能问题 - 使用 Query Context
5. 聚合文档消耗内存
- 聚合查询会消耗内存，特别是针对很大的数据集进行聚合运算
- 如果可以控制聚合的数量，就能减少内存的开销
- 当需要使用不同的
Query Scope，可以使用Filter Bucket
6. 通配符开始的正则表达
通配符开头的正则，性能非常糟糕，需避免使用
7. 优化分片
- 避免 Over Sharing
一个查询需要访问每一个分片，分片过多，会导致不必要的查询开销 - 结合应用场景，控制单个分片的尺寸
Search： 20GB
Logging：40GB - Force-merge Read-only 索引
使用基于时间序列的索引，将只读的索引进行force merge，减少segment 数
8. 读性能优化
影响查询性能的一些因素
- 数据模型和索引配置是否优化
- 数据规模是否过大，通过 Filter 减少不必要的数据计算
- 查询语句是否优化
