背景

• 基于elasticsearch-5.6.0

• 機器配置：3個阿里云ecs節(jié)點，16G,4核，機械硬盤

優(yōu)化前，寫入速度平均3000條/s，一遇到壓測，寫入速度驟降，甚至es直接頻率gc、oom等；優(yōu)化后，寫入速度平均8000條/s，遇到壓測，能在壓測結束后30分鐘內(nèi)消化完數(shù)據(jù)，各項指標回歸正常。

生產(chǎn)配置

這里我先把自己優(yōu)化的結果貼出來，后面有參數(shù)的詳解：

elasticsearch.yml中增加如下設置

indices.memory.index_buffer_size:20%
indices.memory.min_index_buffer_size:96mb

#Searchpool
thread_pool.search.size:5
thread_pool.search.queue_size:100
#這個參數(shù)慎用！強制修改cpu核數(shù)，以突破寫線程數(shù)限制
#processors:16
#Bulkpool
#thread_pool.bulk.size:16
thread_pool.bulk.queue_size:300
#Indexpool
#thread_pool.index.size:16
thread_pool.index.queue_size:300

indices.fielddata.cache.size:40%

discovery.zen.fd.ping_timeout:120s
discovery.zen.fd.ping_retries:6
discovery.zen.fd.ping_interval:30s

索引優(yōu)化配置：

PUT/_template/elk
{
"order":6,
"template":"logstash-*",#這里配置模板匹配的Index名稱
"settings":{
"number_of_replicas":0,#副本數(shù)為0,需要查詢性能高可以設置為1
"number_of_shards":6,#分片數(shù)為6,副本為1時可以設置成5
"refresh_interval":"30s",
"index.translog.durability":"async",
"index.translog.sync_interval":"30s"

}
}

優(yōu)化參數(shù)詳解

精細設置全文域： string類型字段默認會分詞，不僅會額外占用資源，而且會影響創(chuàng)建索引的速度。所以，把不需要分詞的字段設置為not_analyzed

禁用_all字段: 對于日志和apm數(shù)據(jù)，目前沒有場景會使用到

副本數(shù)量設置為0: 因為我們目前日志數(shù)據(jù)和apm數(shù)據(jù)在es只保留最近7天的量，全量日志保存在hadoop，可以根據(jù)需要通過spark讀回到es – 況且副本數(shù)量是可以隨時修改的，區(qū)別分片數(shù)量

使用es自動生成id： es對于自動生成的id有優(yōu)化，避免了版本查找。因為其生成的id是唯一的

設置index.refresh_interval： 索引刷新間隔，默認為1s。因為不需要如此高的實時性，我們修改為30s – 擴展學習：刷新索引到底要做什么事情

設置段合并的線程數(shù)量：

curl-XPUT'your-es-host:9200/nginx_log-2018-03-20/_settings'-d'{
"index.merge.scheduler.max_thread_count":1
}'

段合并的計算量龐大，而且還要吃掉大量磁盤I/O。合并在后臺定期操作，因為他們可能要很長時間才能完成，尤其是比較大的段

機械磁盤在并發(fā)I/O支持方面比較差，所以我們需要降低每個索引并發(fā)訪問磁盤的線程數(shù)。這個設置允許max_thread_count + 2個線程同時進行磁盤操作，也就是設置為1允許三個線程

擴展學習：什么是段(segment)？如何合并段？為什么要合并段？（what、how、why）

1.設置異步刷盤事務日志文件：

"index.translog.durability":"async",
"index.translog.sync_interval":"30s"

對于日志場景，能夠接受部分數(shù)據(jù)丟失。同時有全量可靠日志存儲在hadoop，丟失了也可以從hadoop恢復回來

2.elasticsearch.yml中增加如下設置：

indices.memory.index_buffer_size:20%
indices.memory.min_index_buffer_size:96mb

已經(jīng)索引好的文檔會先存放在內(nèi)存緩存中，等待被寫到到段(segment)中。緩存滿的時候會觸發(fā)段刷盤(吃i/o和cpu的操作)。默認最小緩存大小為48m，不太夠，最大為堆內(nèi)存的10%。對于大量寫入的場景也顯得有點小。

擴展學習：數(shù)據(jù)寫入流程是怎么樣的(具體到如何構建索引)？

1.設置index、merge、bulk、search的線程數(shù)和隊列數(shù)。例如以下elasticsearch.yml設置：

#Searchpool
thread_pool.search.size:5
thread_pool.search.queue_size:100
#這個參數(shù)慎用！強制修改cpu核數(shù)，以突破寫線程數(shù)限制
#processors:16
#Bulkpool
thread_pool.bulk.size:16
thread_pool.bulk.queue_size:300
#Indexpool
thread_pool.index.size:16
thread_pool.index.queue_size:300

2.設置filedata cache大小，例如以下elasticsearch.yml配置：

indices.fielddata.cache.size:15%

filedata cache的使用場景是一些聚合操作(包括排序),構建filedata cache是個相對昂貴的操作。所以盡量能讓他保留在內(nèi)存中

然后日志場景聚合操作比較少，絕大多數(shù)也集中在半夜，所以限制了這個值的大小，默認是不受限制的，很可能占用過多的堆內(nèi)存

擴展學習：什么是filedata？構建流程是怎樣的？為什么要用filedata？（what、how、why）

1.設置節(jié)點之間的故障檢測配置，例如以下elasticsearch.yml配置：

discovery.zen.fd.ping_timeout:120s
discovery.zen.fd.ping_retries:6
discovery.zen.fd.ping_interval:30s

大數(shù)量寫入的場景，會占用大量的網(wǎng)絡帶寬，很可能使節(jié)點之間的心跳超時。并且默認的心跳間隔也相對過于頻繁（1s檢測一次）

此項配置將大大緩解節(jié)點間的超時問題

后記

這里僅僅是記錄對我們實際寫入有提升的一些配置項，沒有針對個別配置項做深入研究。

擴展學習后續(xù)填坑?；径甲裱╳hat、how、why）原則去學習。

-End-

審核編輯 ：李倩