本文共 5514 字，大约阅读时间需要 18 分钟。

Elasticsearch调优

本章将叙述elasticsearch的调优，涉及JVM调优、热点线程、水平扩展(分片)、高负载场景调优、高查询场景调优。有关es的安装请参考一文。

1.1 JVM调优

想必大家都知道，垃圾回收实现目标：需要实现是小而多次的垃圾回收，而不是一次长时间的回收，从而保证应用在稳定的性能水平运行。

1.1.1 使用jstat

命令：jstat -gcutil pid 2000 1000

gcutils：表示监控垃圾回收器的工作； 2000：毫秒表示的采样周期； 1000：是采样的数量； 显示结果： S0 S1 E O P YGC YGCT FGC FGCT GCT

• 调优分析(先年轻代,后老年代)
  当S0、S2或者E列显示为100%(或很高时)，并且垃圾回收器不能回收这些堆空间，那么，要么是年轻代太小需要增加(如果有充足的剩余物理内存)，要么是内存太小问题。
  当O列老年代显示100%(或很高)时，垃圾回收器努力回收它(频繁的垃圾回收)，但却不能回收，那么大概意味着没有足够的堆空间。

1.1.2 使用jmap

命令：jmap -dump:file=/opt/heap.dump pid

• 调优分析
  导入文件后，可以使用gcviewer工具导入进行分析。

1.2 避免内存交换

当物理内存数量不够或者操作系统某些原因认为把一部分RAM内存写入磁盘更好些，就会发生内存交换，如果有部分ES使用内存被写到磁盘然后再从磁盘上读取，这个过程会消耗大量时间和资源。如何下设置保证避免内存交换：

• 在elasticsearch.yml 中设置boostrap.mlockall属性为true；

• 设置Xmx和Xms属性值相同，避免JVM改变堆大小，注意内存大小合适，并非越大越好(会导致回收时长变长)；

• 修改/etc/security/limits.conf，添加如下内容(假设运行ES的用户是appuser）

  appuser - nofile 65536
  appuser - memlock unlimited

• 修改/etc/pam.d/common-session文件，添加如下内容

  session required pam_limits.so

1.3 基准测试

对elasticsearch 指定节点做基准测试，启动命令需要发生变更；

• 命令：bin/elasticsearch --node.bench true
• 基准测试

curl -XPUT 'localhost:9200/_bench/?pretty' -d '{  "name": "firstTest",  "competitors": [{    "name": "post_filter",    "requests": [{      "post_filter": {        "term": {          "link": "hello world"        }      }    }]  },{    "name": "filtered",    "requests": [{      "query": {        "filtered": {          "query": {            "match_all": {}          },          "filter": {            "term": {              "link": "hello world"            }          }        }      }    }]  }  ]}'

返回数据说明：

name：基准测试名称； competitors：ES将要执行的测试定义； num_executor_nodes：在测试期间作为查询源的最大Elasticsearch节点数，默认为1个； iteration：ES应当为每个竞争者重复执行的次数，默认为5次； concurrency：每次迭代的并发数，默认5个并发现场； multiplier：在每一次迭代中每个查询重复的次数，默认重复执行1000次；

• 查看基准测试进度

curl -XGET 'localhost:9200/_bench?pretty'

• 中止基准测试

curl -XPOST 'localhost:9200/_bench/abort/firstTest?pretty'

1.4 热点线程检查

假如集群比平时执行缓慢，使用了大量的CPU资源，那么可用通过此来进行分析；

• 热点线程API使用
  查看热点线程API时，通常使用/_nodes/hot_threads查看集群热点线程，或者/_nodes/{node or nodes}/hot_threads查看端点热点线程，例如：

curl ‘localhost:9200/_nodes/host_threads’每1s周期查看所有节点处于等待状态的热点线程：curl ‘localhost:9200/_nodes/host_threads?type=wait&interval=1s’

• 热点线程API响应

0.5% （2.8ms out of 500ms）cpu usage by thread 'elasticsearch[N'Gabtthoth][search][T#10]'名称：为search的线程，[search]可能会有其他值recovery_stream(回复模块事件)、cache(缓存事件)、merge(索引段合并线程)、index(数据索引线程)；0.5%：统计消耗百分比0.5的CPU时间；block usage：表示线程处于阻塞状态；waiting usage：表示线程出游等待状态；

1.5 水平扩展(增加分片)

1.5.1 分片与副本高可用

• 分片和副本数设置与高可用
  每个分片都必须设置至少1个副本(一般只设置1个副本)，一般来说分片数+副本数>=虚拟机节点数，分片和副本ES内部会自动处理其分布到不同节点，如下图所示8个节点由4个分片和1个副本的分布情况。
  

1.5.2 物理机-虚拟机-节点高可用

现在很多企业的使用虚拟机，都是由物理机分割而成的，有的一台物理机服务器对应多台虚拟机。因此，为了保证Elasticsearch节点数据的高可用，副本和分片最好不应存在于同一台物理机上，最好的分布例如下图所示。

为了实现上面节点分布，需要进行如下配置后，这告诉ES不要把分片和它的副本放在具有相同node.server_name属性的节点上：

对于在第1台物理服务器上的所有es节点来说，在elasticsearch.yml文件中设置如下属性：node.server_name: server1cluster.routing.allocation.awareness.attributes: server_name在其他物理服务器上配置类似。

1.5.3 大规模集群设计节点角色

• 指派节点角色，ES节点角色有：
  查询聚合节点：分发查询到其他节点，收集和合并结果；
  数据节点：接收数据，存储数据；
  候选主节点：主节点选举；
  默认情况下，Elasticsearch节点兼具查询聚合、数据、候选主节点角色。
• 查询聚合节点elasticsearch.yml配置

node.master: falsenode.data: false

• 数据节点elasticsearch.yml配置

node.master: falsenode.data: true

• 候选主节点elasticsearch.yml配置

node.master: truenode.data: falsehttp.enabled: false通常设置3个候选主节点;

1.6 高负载场景下调优

1.6.1 常规优化建议

– 索引刷新频率

索引刷新频率是指文档需要多长时间文档才能出现在搜索结果中，默认1s。规则：刷新频率越短，查询越慢，且索引文档的吞吐量越低；在查询实时性要求不是特别高场景下，可适当增大刷新频率时间。

# refresh interval APIcurl -XPUT "localhost:9200/index_name" -H 'Content-Type: application/json'  -d'{    "settings": {        "refresh_interval": "10s"    }}'

–线程池调优

在生产或者压测环境中，ES实例没有100%饱和，但却接收拒绝执行错误，大都因为search 线程设置过小导致程序崩溃， 默认search线程大小=(cpu核数 * 3) / 2 + 1。

Caused by: org.elasticsearch.common.util.concurrent.EsRejectedExecutionException: 	rejected execution of org.elasticsearch.search.SearchService$3@4d6f25c2 on EsThreadPoolExecutor	[search, queue capacity = 1000, org.elasticsearch.common.util.concurrent.EsThreadPoolExecutor@24522e89	[Running, pool size = 13, active threads = 13, queued tasks = 52728, completed tasks = 314227215]]

• 查看线程状态

curl -XGET 'localhost:9200/_cat/thread_pool/#也可用此api查询curl -XGET 'localhost:9200/_cat/thread_pool/search?v&h=id,name,active,queue,rejected,completed'参数依次：节点名称、线程池名称、线程活动状态、线程队列、线程拒绝

• 从ElasticSearch5.0 开始，无法通过api更改线程池，需要更改elasticsearch.yml并重启才能生效配置

#允许控制没有线程执行它们的挂起请求队列的初始大小thread_pool.search.queue_size: 500#search线程池线程数，默认为核心数乘以5thread_pool.search.size: 200#控制queue_size可以调整到的最小数值thread_pool.search.min_queue_size:10#控制queue_size可以调整到的最大数值thread_pool.search.max_queue_size: 1000#控制在调整队列之前进行测量的操作数。它应该足够大，以便单个操作不会过度偏向计算thread_pool.search.auto_queue_frame_size: 2000#控制target_response_time是时间值设置，指示线程池队列中任务目标平均响应耗时；如果任务通常超过此时间，则将调低线程池队列以拒绝任务thread_pool.search.target_response_time: 6s

–调整段合并过程

原则：如果希望查询更快，就寻求更少的索引段。更少的段会导致更低的RAM消耗、更快的查询速度、更慢的索引速度；更多的段会导致更高的RAM消耗，更慢的查询速度和更快的索引速度。

#elasticsearch.yml 配置index.merge.policy.merge_factory=8  #默认值10，低于10段更少，高于10段更多indices.store.throttle.max_bytes_per_sec=150MB  #合并限流，默认20MB/s，对于SSD硬盘可提高到5-10倍

–合理数据(分片与副本)分布

合理数据分片和副本分布，可有效保障ES节点性能和稳定性，应确保每个节点的负载均衡，如下图所示：

1.6.2 高查询频率场景优化

建议：总是要考虑优化查询结构、过滤器的使用等，。

• 节点查询缓存()
  有助于查询性能的提升;

--内存限制通过参数indices.queries.cache.size:indices.queries.cache.size=10% 属性控制缓存的大小，表示给定节点上能够被过利器缓存使用JVM堆内存数量，默认10%，如果监控缓存逐出比较多，应该考虑增加缓存的大小。--条数则是通过参数indices.queries.cache.count：indices.queries.cache.count=1000--控制是否启用查询缓存。接受true（默认）或 falseindex.queries.cache.enabled=true

• 分片请求缓存()
  缓存分片查询的缓存，它的目的是缓存聚合、提示词结果和命中数。如果不使用聚合或提示词，那么使用分片数据缓存毫无意义。

index.requests.cache.enable属性设置为ture，开启索引缓存curl -XPUT 'localhost:9200/index_name/_settings' -d '}	" index.requests.cache.enable":true}'

转载地址：http://rccpi.baihongyu.com/