Elasticsearch搜索调优权威指南 （2/3）

本文首发于 vivo互联网技术 微信公众号 

英文原文：https://qbox.io/blog/elasticsearch-search-tuning-part-2
作者：Adam Vanderbush
译者：杨振涛

目录

1. 预索引数据
2. 映射
3. 避免使用脚本
4. 强制合并只读索引

Elasticsearch搜索调优权威指南，是QBOX在其博客上发布的系列文章之一，本文是该系列的第二篇，主要介绍了索引预处理、mapping建立、避免脚本的使用、索引段合并等搜索性能相关的调优方法。

本文是Elasticsearch搜索调优系列文章3篇中的第2篇，第1篇参考这里（点击）。本系列教程旨在更进一步讨论针对Elasticsearch 5.0及以上版本的搜索调优技术、策略及建议。

1.预索引数据

为了优化数据的索引方式，应当在查询中预置一些模式。比如，如果所有文档都有一个叫 price 的价格字段，并且大部分查询在一个固定范围列表上执行 range 聚合，那么就可以通过预索引范围到索引中并使用一个 terms 聚合，来加速该聚合。

比如有如下文档：

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

以及如下搜索请求：

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 }
       ]
     }
   }
 }
}'

然后就可以在索引阶段增加一个 price_range 字段，该字段应该映射为一个关键字：

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" }' 

接下来搜索请求就能聚合这个新的字段，而不是在 price 字段上执行一个范围聚合。

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

事实上，一些数值型的数据，并不意味着总是要被映射为一个数值型字段。典型的，那些存储为诸如 ISBN 之类的标识符，或者任何标识另一个数据库中记录的数字的字段，可能映射为关键字比映射为一个 integer 或 long 类型更好。

关键字类型用于索引结构化内容，比如 email 地址、主机名称、状态码、邮政编码或标签。

典型地用于过滤（比如查找所有已发布的博客文章）、排序以及聚合。关键字字段只可通过其精确值搜索得到。

如果需要索引全文内容比如 email 内容或产品描述，可能就要使用一个文本字段。

下面是一个关键字字段映射的示例：

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

从 2.x 版本导入的索引是不支持关键字的；相反，它们会试图把 keyword 类型降级为 string 类型。这支持合并新的映射和旧的映射。长期存在的索引，必须在升级到6.x 版本前重建，但是映射降级提供了按自己的计划实施重建的机会。

3.避免使用脚本

一般来说要尽量避免使用脚本；如果必须要使用，优先选择 Painless 和表达式引擎。

Painless 是一门简单安全的脚本语言，专门为在 Elasticsearch 中使用而设计，是 Elasticsearch 的默认脚本语言，可安全地用于内联和存储脚本。关于 Painless 语法和语言特性的更详细描述，请参考 Painless 语言规范。

请参考 “ Painless Scripting in Elasticsearch ” 更深入地了解 Painless 脚本语言指南。

• Lucene 表达式语言

Lucene 表达式会把一个 javascript 表达式编译为字节码，设计用于高性能自定义评级和排序函数，并支持 inline 和默认的存储脚本。

• 性能

表达式相对于自定义 Lucene 代码而言，有着更好的性能表现；其性能相对其他脚本引擎有更低的单文档成本：表达式更加“领先”。

这就允许非常快的执行，尤其是比自己写的本地脚本快很多。

• 语法

表达式支持一个 javascript 语法子集：一个单独的表达式。参见表达式模块的文档，了解支持的操作符和函数。

表达式脚本中可访问的变量有：

• 文档字段，比如doc['myfield'].value

• 字段所支持的变量和方法，比如doc['myfield'].empty

• 传递到脚本里的参数，比如mymodifier

• 当前文档得分，_score（仅在 script_score中使用时有效）

表达式脚本可以用于script_score、script_fields、排序脚本以及数值型聚合脚本，只要简单地设置参数到表达式中即可。

4.强制合并只读索引

只读索引在合并为单一的段后将会非常受益。典型的情况是基于时间的索引：只有当前时间窗的索引会成为新文档，同时旧索引成为只读。

强制合并 API 支持通过 API 强制合并一个或更多的索引。合并与每个分片中 Lucene索引的段数量有关。强制合并操作支持通过合并来减少段数量。

该调用在合并完成之前将会处于阻塞状态。如果 http 连接断掉，请求将在后台继续，在前一个强制合并完成之前，所有新请求将会阻塞。

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

强制合并 API 接受下列请求参数：

• max_num_segments - 待合并的段数量。要完全合并索引，可设置为 1 。默认会简单检查一个合并是否需要执行，如果是，就会执行。

• only_expunge_deletes -合并流程是否仅仅擦除包含删除的段。在 Lucene 中，一个文档并不会从一个段直接删除，只是标记为删除。在一个段合并的过程中，一个新的段可能会被创建，这个新的段并不包含那些删除。这个标记参数支持只合并有删除的段，且默认为false。注意，这并不会重写阈值 index.merge.policy.expunge_deletes_allowed。

• flush - 强制合并后是否执行 flush，默认为 true。