Elasticsearch集群优化和管理

分片和副本的工作方式

在Elasticsearch中分片是最小的工作单元，保存索引数据中的一部分，随着客户端发起的增删改查的操作，分片之间就会通过各种交互来完成客户端的请求

具体过程，看官网（有时间在整理）

影响Elasticsearch性能的因素

软件层面：

索引

分词器：在全文搜索中，搜索准不准确，和分词有很大关系，分词的工作是由分词器来做，分词器根据不同的语言，不同的算法设计，比如说中文、英文都有适合它的分词器，根据业务实际情况选择合适的分词器，分词器会影响索引大小，索引的大小会影响检索的速度。在关系型数据库中，数据库越大，查询速度会变慢，在elastic中也是一样，索引越大，查询速度也会变得越慢，分词器如果选择不正确，造成词表（分词器通过分词算法构建的词库）过大，间接影响索引变得庞大，词表如何影响索引大小

Segment数量：官方提供一个方法：optimize，可以将多个segment合并，合并的数量最小可以设置为1

optimize方法的参数

max_num_segments:段数优化，可设置值最小为1，这个值越小，查询的速度越快

only_expunge_deletes:该优化操作是否只清空打有删除标签的索引记录

flush：在执行完优化操作之后，在执行刷新操作，默认值为true

wait_for_merge:当该参数设置为true时，表示其他请求操作要等到合并segment操作结束只有，在进行相应。通常设置为false

例子：http://localhost:9200/indexName/_optimize?max_num_segments=1&only_expunge_deletes=true&wait_for_merge=false

分片数量

多，会导致交互多

少，会导致分片大

在实际生产环境中，根据相关经验，如果单个分片超过30G的大小，就开始有性能下降的现象，到了50G现象则更为明显，所以在索引初次建立的时候，根据自己的实际的业务情况，尽量的把分片定的多些，这样预留的空间较大

对于数据量较大的业务，可以使用数据冷热分离的方案，把旧的数据，以hdfs的方式备份存放到其他的节点里，或者其他的服务器，经常用到的新数据，可以放到elastic中，可以根据时间戳建索引，当分片快到30g的时候，以时间戳的形式，另建一个索引，旧的索引丢到hdfs中，这样可以有效缓解在大数据增长下分片变大带来的性能影响