Elasticsearch进阶（七）——性能调优：基本优化建议

本章，我将介绍对Elasticsearch进行性能优化的一些最基本的建议。

一、优化建议

1.1 不要返回过大的结果集

Elasticsearch是一个搜索引擎，所以如果用这个搜索引擎对大量的数据进行搜索，并且返回搜索结果中排在最前面的少数结果，是非常合适的。然而，如果要做成类似数据库的东西，每次都进行大批量的查询，是很不合适的。如果真的要做大批量结果的查询，记得考虑用scroll api。

1.2 避免超大的document

Elasticsearch有一个参数：http.max_context_length，表示document的最大内容大小，默认值是100MB。

超大的document在实际生产环境中是很不好的，会耗费更多的网络、内存、磁盘资源。对于超大document，我们需要考虑一下，我们到底需要其中的哪些部分。

举例来说，如果我们要对一些书进行搜索，那么我们并不需要将整本书的内容就放入es中吧。我们可以仅仅使用每一篇章或者一个段落作为一个document，然后给一个field标识出来这些document属于哪本书，这样每个document的大小不就变小了么。这就可以避免超大document导致的各种开销，同时可以优化搜索的体验。

1.3 避免稀疏数据

Lucene的内核结构，跟稠密的数据配合起来性能会更好。什么叫稀疏的数据，什么叫稠密的数据？

比如有100个document，每个document都有20个field，20个field都有值，这就是稠密的数据。但是如果100个document，每个document的field都不一样，有的document有2个field，有的document有50个field，这就是稀疏的数据。

下面有一些避免稀疏数据的办法：

避免将没有任何关联性的数据写入同一个索引

我们必须避免将结构完全不一样的数据写入同一个索引中，因为结构完全不一样的数据，field是完全不一样的，会导致index数据非常稀疏。最好将这种数据写入不同的索引中，如果这种索引数据量比较少，可以考虑给其很少的primary shard，比如1个，避免资源浪费。

对document的结构进行规范化/标准化

即使我们真的要将不同类型的document写入相同的索引中，还是有办法可以避免稀疏性，那就是对不同类型的document进行标准化。比如说，如果所有的document都有一个时间戳field，不过有的叫做timestamp，有的叫做creation_date，那么可以将不同document的这个field重命名为相同的字段，尽量让documment的结构相同。另外比如有的document有一个字段，叫做goods_type，但是有的document没有这个字段，此时可以对没有这个字段的document，补充一个goods_type给一个默认值，比如default。

对稀疏的field禁用norms和doc_values

如果上面的步骤都没法做，那么只能对那种稀疏的field，禁止norms和doc_values字段，因为这两个字段的存储机制类似，都是每个field有一个全量的存储，对存储浪费很大。如果一个field不需要考虑其相关度分数，那么可以禁用norms，如果不需要对一个field进行排序或者聚合，那么可以禁用doc_values字段。

二、总结

本章，我介绍了一些Elasticsearch性能优化的基本建议，下一章我们来看下Elasticsearch写入数据时有哪些需要注意的点。