死磕elasticsearch（六）写入速度优化

1 前言

   在集群正常运行的前提下，如果是集群首次批量导入数据时，可以将副本数设置为0，导入完毕后再将副本数调整为正常值，这样副分片就只需要复制，节约了构建索引的时间。
提升写入速度从以下几方面入手：

1. 加大translog flush间隔，目的是降低iops(iops指的是每秒的输入输出量(或读写次数)，是衡量磁盘性能的主要指标之一)、writeblock。
2. 加大index refresh间隔，除了降低I/O，更重要的是降低了segment merge频率。
3. 调整bulk请求。
4. 优化磁盘间的任务均匀情况，将shard尽量均匀分布到物理主机的 各个磁盘。
5. 优化节点间的任务分布，将任务尽量均匀地发到各节点。
6. 优化Lucene层建立索引的过程，目的是降低CPU占用率及I/O，例如，禁用_all字段

   为了更好理解上述优化策略，需要再复习一下几个概念：
flush：是指触发lucene commit，也就是将缓存中的数据写入到磁盘,并清空translog日志文件。
refresh: 是指从内存到文件系统缓存的过程，这样该文档就可以被搜索到，但是该文档还没有存储到磁盘上，如果机器宕机了，数据就会丢失。

2 translog flush间隔调整

2.1 index.translog.durability

   在默认设置下，translog的持久化策略为：每个请求 都“flush”。
对应配置项如下：

 index.translog.durability: request 

   这是影响 ES 写入速度的最大因素。但是只有这样，写操作才有可 能是可靠的。如果系统可以接受一定概率的数据丢失（例如，数据写入 主分片成功，尚未复制到副分片时，主机断电。由于数据既没有刷到 Lucene,translog也没有刷盘，恢复时translog中没有这个数据，数据丢失，则调整translog持久化策略为周期性和一定大小的时候“flush”，例 如：

 index.translog.durability: async 

   设置为async表示translog的刷盘策略按sync_interval配置指定的时间 周期进行。

index.translog.sync_interval: 120s 

   加大translog刷盘间隔时间。默认为5s，不可低于100ms。

2.2 index.translog.flush_threshold_size

index.translog.flush_threshold_size: 1024mb 

   超过这个大小会导致refresh操作，产生新的Lucene分段。默认值为 512MB。

3 索引刷新间隔refresh_interval

   默认情况下索引的refresh_interval为1秒，这意味着数据写1秒后就 可以被搜索到，每次索引的refresh会产生一个新的Lucene段，Lucene段即为segment，segment在复合一定条件后，会自动合并，因此这会导致频繁的segment merge行为（），如果不需要这么高的搜索实时性，应该降低 索引refresh周期，例如：

index.refresh_interval: 120s

4 段合并优化

   segment merge操作对系统I/O和内存占用都比较高，从ES 2.0开始， merge行为不再由ES控制，而是由Lucene控制，调整开关：

index.merge.scheduler.max_thread_count 
index.merge.policy.* 

   最大线程数max_thread_count的默认值如下：

Math.max(1, Math.min(4, Runtime.getRuntime().availableProcessors()/2)) 

   以上是一个比较理想的值，如果只有一块硬盘并且非 SSD，则应该 把它设置为1，因为在旋转存储介质上并发写，由于寻址的原因，只会 降低写入速度。
   merge策略index.merge.policy有三种：

tiered（默认策略）； 
log_byete_size； 
log_doc。 

   目前我们使用默认策略，但是对策略的参数进行了一些调整。 索引创建时合并策略就已确定 ，不能更改，但是可以动态更新策略参数，可以不做此项调整。如果堆栈经常有很多merge，则可以尝试调 整以下策略配置：

index.merge.policy.segments_per_tier 

   该属性指定了每层分段的数量，取值越小则最终segment越少，因此需要merge的操作更多，可以考虑适当增加此值。默认为10,，其应该 大于等于index.merge.policy.max_merge_at_once。

index.merge.policy.max_merge_at_once。 	

    表示默认一次最多归并segment的个数，默认也为 10 个 segment。

index.merge.policy.max_merged_segment

指定了单个segment的最大容量，默认为5GB，可以考虑适当降低此值。

5 indexing buffer

    indexing buffer在为doc建立索引时使用，当缓冲满时会刷入磁盘， 生成一个新的segment，这是除refresh_interval刷新索引外，另一个生成 新segment的机会。
    每个shard有自己的indexing buffer，下面的这个buffer 大小的配置需要除以这个节点上所有shard的数量：

indices.memory.index_buffer_size 默认为整个堆空间的10%。 
indices.memory.min_index_buffer_size 默认为48MB。 
indices.memory.max_index_buffer_size 默认为无限制。 

    在执行大量的索引操作时，indices.memory.index_buffer_size的默认 设置可能不够，这和可用堆内存、单节点上的shard数量相关，可以考虑适当增大该值，增大该值，减少segment，就会减少merge。

6 使用bulk请求

    批量写比一个索引请求只写单个文档的效率高得多，但是要注意 bulk请求的整体字节数不要太大，太大的请求可能会给集群带来内存压 力，因此每个请求最好避免超过几十兆字节，即使较大的请求看上去执 行得更好。

6.1 bulk线程池和队列

    建立索引的过程属于计算密集型任务，应该使用固定大小的线程池 配置，来不及处理的任务放入队列。线程池最大线程数量应配置为CPU 核心数+1，这也是bulk线程池的默认设置，可以避免过多的上下文切 换。队列大小可以适当增加，但一定要严格控制大小，过大的队列导致 较高的GC压力，并可能导致FGC频繁发生。

6.2 并发执行bulk请求

    bulk写请求是个长任务，为了给系统增加足够的写入压力，写入过程应该多个客户端、多线程地并行执行，如果要验证系统的极限写入能 力，那么目标就是把CPU压满。磁盘util、内存等一般都不是瓶颈。如果CPU没有压满，则应该提高写入端的并发数量。
    但是要注意bulk线 程池队列的reject情况，出现reject代表ES的bulk队列已满，客户端收到429错误(TOO_MANY_REQUESTS)。不可忽略这个异常，否则写入系 统的数据会少于预期。即使客户端正确处理了429错误，我们仍然应该尽量避免产生reject。
    因此，在评估极限的写入能力时，客户端的极限写入并发量应该控制在不产生reject前提下的最大值为宜。

7 磁盘间的任务均衡

    如果部署方案是为path.data配置多个路径来使用多块磁盘，则ES在 分配shard时，落到各磁盘上的 shard 可能并不均匀，这种不均匀可能会导致某些磁盘繁忙，利用率在较长时间内持续达到100%。这种不均匀 达到一定程度会对写入性能产生负面影响。
    ES在处理多路径时，优先将shard分配到可用空间百分比最多的磁盘上，因此短时间内创建的shard可能被集中分配到这个磁盘上，即使可用空间是99%和98%的差别。如果单一的机制不能解决所有的场景，那么至少应该为不同场景准备多种选择。
    为此，我们为ES增加了两种策略。

简单轮询：在系统初始阶段，简单轮询的效果是最均匀的。
基于可用空间的动态加权轮询：以可用空间作为权重，在磁盘之间加权轮询。

8 节点间的任务均衡

    为了节点间的任务尽量均衡，数据写入客户端应该把bulk请求轮询 发送到各个节点。 当使用Java API或REST API的bulk接口发送数据时，客户端将会轮 询发送到集群节点，节点列表取决于：

使用Java API时，当设置client.transport.sniff为true（默认为false） 时，列表为所有数据节点，否则节点列表为构建客户端对象时传入的节 点列表。
使用REST API时，列表为构建对象时添加进去的节点。 

    在此建议使用REST API,Java API会在未来的版本中废弃，REST API有良好的版本兼容性好。理论上，Java API在序列化上有性能优 势，但是只有在吞吐量非常大时才值得考虑序列化的开销带来的影响， 通常搜索并不是高吞吐量的业务。
    要观察bulk请求在不同节点间的均衡性，可以通过cat接口观察bulk 线程池和队列情况： _cat/thread_pool

9 索引过程调整和优化

9.1 自动生成doc ID

    通过ES写入流程可以看出，写入doc时如果外部指定了id，则ES会先尝试读取原来doc的版本号，以判断是否需要更新。这会涉及一次读取磁盘的操作，通过自动生成doc ID可以避免这个环节。

9.2 调整字段Mappings

1. 减少字段数量，对于不需要建立索引的字段，不写入ES。
2. 将不需要建立索引的字段index属性设置为not_analyzed或no。
   对字段不分词，或者不索引，可以减少很多运算操作，降低CPU占用。 尤其是binary类型，默认情况下占用CPU非常高，而这种类型进行分词
   通常没有什么意义。
3. 减少字段内容长度，如果原始数据的大段内容无须全部建立 索引，则可以尽量减少不必要的内容。
4. 使用不同的分析器（analyzer），不同的分析器在索引过程中 运算复杂度也有较大的差异。

9.3 调整_source字段

    _source 字段用于存储 doc 原始数据，对于部分不需要存储的字 段，可以通过 includes excludes过滤，或者将_source禁用，一般用于索 引和数据分离。 这样可以降低 I/O 的压力，不过实际场景中大多不会禁用_source，
    而即使过滤掉某些字段，对于写入速度的提升作用也不大，满负荷写入情况下，基本是 CPU先跑满了，瓶颈在于CPU。

9.4 禁用_all字段

    从ES 6.0开始，_all字段默认为不启用，而在此前的版本中，_all字 段默认是开启的。_all字段中包含所有字段分词后的关键词，作用是可以在搜索的时候不指定特定字段，从所有字段中检索。ES 6.0默认禁用 _all字段主要有以下几点原因：

1. 由于需要从其他的全部字段复制所有字段值，导致_all字段占用非常大的空间。
2. _all 字段有自己的分析器，在进行某些查询时（例如，同义词），结果不符合预期，因为没有匹配同一个分析器。
3. 由于数据重复引起的额外建立索引的开销。
4. ·想要调试时，其内容不容易检查。
5. 有些用户甚至不知道存在这个字段，导致了查询混乱。

    禁用_all字段可以明显降低对CPU和I/O的压力。

9.5 对Analyzed的字段禁用Norms

    Norms用于在搜索时计算doc的评分，如果不需要评分，则可以将其 禁用：

＂title＂:
 		{
 			＂type＂: ＂string＂,
 			＂norms＂: 
			 {
			 	＂enabled＂: false
			 }
		 }

9.6 index_options 设置

    index_options用于控制在建立倒排索引过程中，哪些内容会被添加到倒排索引，例如，doc数量、词频、positions、offsets等信息，优化这些设置可以一定程度降低索引过程中的运算任务，节省CPU占用率。 不过在实际场景中，通常很难确定业务将来会不会用到这些信息， 除非一开始方案就明确是这样设计的。