Elasticsearch搜索調優權威指南 （2/3）

本文首發于 vivo互聯網技術 微信公眾號
英文原文：https://qbox.io/blog/elasticsearch-search-tuning-part-2
作者：Adam Vanderbush
譯者：楊振濤

目錄

1. 預索引數據
2. 映射
3. 避免使用腳本
4. 強制合并只讀索引

Elasticsearch搜索調優權威指南，是QBOX在其博客上發布的系列文章之一，本文是該系列的第二篇，主要介紹了索引預處理、mapping建立、避免腳本的使用、索引段合并等搜索性能相關的調優方法。

本文是Elasticsearch搜索調優系列文章3篇中的第2篇，第1篇參考這里（點擊）。本系列教程旨在更進一步討論針對Elasticsearch 5.0及以上版本的搜索調優技術、策略及建議。

1.預索引數據

為了優化數據的索引方式，應當在查詢中預置一些模式。比如，如果所有文檔都有一個叫 price 的價格字段，并且大部分查詢在一個固定范圍列表上執行 range 聚合，那么就可以通過預索引范圍到索引中并使用一個 terms 聚合，來加速該聚合。

比如有如下文檔：

curl -XPUT 'ES_HOST:ES_PORT/index/type/1
?pretty' -H 'Content-Type: application/json' -d '{
 "designation": "bowl",
 "price": 13
}'

以及如下搜索請求：

curl -XGET 'ES_HOST:ES_PORT/index/_search
?pretty' -H 'Content-Type: application/json' -d '{
 "aggs": {
   "price_ranges": {
     "range": {
       "field": "price",
       "ranges": [
         { "to": 10 },
         { "from": 10, "to": 100 },
         { "from": 100 }
       ]
     }
   }
 }
}'

然后就可以在索引階段增加一個 price_range 字段，該字段應該映射為一個關鍵字：

curl -XPUT 'ES_HOST:ES_PORT/index
?pretty' -H 'Content-Type: application/json' -d '{
 "mappings": {
   "type": {
     "properties": {
       "price_range": {
         "type": "keyword"
       }
     }
   }
 }
}'

curl -XPUT 'ES_HOST:ES_PORT/index/type/1
?pretty' -H 'Content-Type: application/json' -d '{
 "designation": "bowl",
 "price": 13,
 "price_range": "10-100"
}'

接下來搜索請求就能聚合這個新的字段，而不是在?price?字段上執行一個范圍聚合。

curl -XGET 'ES_HOST:ES_PORT/index/_search
?pretty' -H 'Content-Type: application/json' -d '{
 "aggs": {
   "price_ranges": {
     "terms": {
       "field": "price_range"
     }
   }
 }
}'

2.映射

事實上，一些數值型的數據，并不意味著總是要被映射為一個數值型字段。典型的，那些存儲為諸如?ISBN?之類的標識符，或者任何標識另一個數據庫中記錄的數字的字段，可能映射為關鍵字比映射為一個?integer?或?long?類型更好。

關鍵字類型用于索引結構化內容，比如?email?地址、主機名稱、狀態碼、郵政編碼或標簽。

典型地用于過濾（比如查找所有已發布的博客文章）、排序以及聚合。關鍵字字段只可通過其精確值搜索得到。

如果需要索引全文內容比如?email?內容或產品描述，可能就要使用一個文本字段。

下面是一個關鍵字字段映射的示例：

curl -XPUT 'ES_HOST:ES_PORT/my_index
?pretty' -H 'Content-Type: application/json' -d '{
 "mappings": {
   "my_type": {
     "properties": {
       "tags": {
         "type":  "keyword"
       }
     }
   }
 }
}'

從?2.x?版本導入的索引是不支持關鍵字的；相反，它們會試圖把?keyword?類型降級為?string?類型。這支持合并新的映射和舊的映射。長期存在的索引，必須在升級到6.x?版本前重建，但是映射降級提供了按自己的計劃實施重建的機會。

3.避免使用腳本

一般來說要盡量避免使用腳本；如果必須要使用，優先選擇?Painless?和表達式引擎。

Painless?是一門簡單安全的腳本語言，專門為在?Elasticsearch?中使用而設計，是?Elasticsearch?的默認腳本語言，可安全地用于內聯和存儲腳本。關于?Painless?語法和語言特性的更詳細描述，請參考?Painless?語言規范。

請參考 “?Painless Scripting in Elasticsearch?” 更深入地了解?Painless?腳本語言指南。

• Lucene 表達式語言

Lucene?表達式會把一個?javascript?表達式編譯為字節碼，設計用于高性能自定義評級和排序函數，并支持?inline?和默認的存儲腳本。

• 性能

表達式相對于自定義?Lucene?代碼而言，有著更好的性能表現；其性能相對其他腳本引擎有更低的單文檔成本：表達式更加“領先”。

這就允許非常快的執行，尤其是比自己寫的本地腳本快很多。

• 語法

表達式支持一個?ja**vascript**?語法子集：一個單獨的表達式。參見表達式模塊的文檔，了解支持的操作符和函數。

表達式腳本中可訪問的變量有：

• 文檔字段，比如doc['myfield'].value

• 字段所支持的變量和方法，比如doc['myfield'].empty

• 傳遞到腳本里的參數，比如mymodifier

• 當前文檔得分，_score（僅在?script_score中使用時有效）

表達式腳本可以用于script_score、script_fields、排序腳本以及數值型聚合腳本，只要簡單地設置參數到表達式中即可。

4.強制合并只讀索引

只讀索引在合并為單一的段后將會非常受益。典型的情況是基于時間的索引：只有當前時間窗的索引會成為新文檔，同時舊索引成為只讀。

強制合并?API?支持通過?API?強制合并一個或更多的索引。合并與每個分片中?Lucene索引的段數量有關。強制合并操作支持通過合并來減少段數量。

該調用在合并完成之前將會處于阻塞狀態。如果?http?連接斷掉，請求將在后臺繼續，在前一個強制合并完成之前，所有新請求將會阻塞。

curl _XPOST 'ES_HOST:ES_POST/twitter/_forcemer
ge?pretty'

強制合并?API?接受下列請求參數：

• max_num_segments?-?待合并的段數量。要完全合并索引，可設置為 1 。默認會簡單檢查一個合并是否需要執行，如果是，就會執行。

• only_expunge_deletes?-合并流程是否僅僅擦除包含刪除的段。在?Lucene?中，一個文檔并不會從一個段直接刪除，只是標記為刪除。在一個段合并的過程中，一個新的段可能會被創建，這個新的段并不包含那些刪除。這個標記參數支持只合并有刪除的段，且默認為false。注意，這并不會重寫閾值?index.merge.policy.expunge_deletes_allowed。

• flush?- 強制合并后是否執行?flush，默認為?true。