写入速度优化

在 ES 的默认设置下，是综合考虑数据可靠性、搜索实时性、写 入速度等因素的。当离开默认设置、追求极致的写入速度时，很多是 以牺牲可靠性和搜索实时性为代价的。有时候，业务上对数据可靠性 和搜索实时性要求并不高，反而对写入速度要求很高，此时可以调整 一些策略，最大化写入速度。

接下来的优化基于集群正常运行的前提下，如果是集群首次批量 导入数据，则可以将副本数设置为0，导入完毕再将副本数调整回 去，这样副分片只需要复制，节省了构建索引过程。

综合来说，提升写入速度从以下几方面入手：

• 加大translog flush间隔，目的是降低iops、writeblock。
• 加大index refresh间隔，除了降低I/O，更重要的是降低了segment merge频率。
• 调整bulk请求。
• 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。
• 优化节点间的任务分布，将任务尽量均匀地发到各节点。
• 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。

translog flush间隔调整

从ES 2.x开始，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。 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。

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， 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

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，因此以下配 置已被删除： indices.store.throttle.type indices.store.throttle.max_bytes_per_sec index.store.throttle.type index.store.throttle.max_bytes_per_sec 改 为 以 下 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。

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_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。

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。

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。

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。

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 请 求 被 拒 绝 ， 此 时 客 户 端 会 收 到 429 错 误（TOO_MANY_REQUESTS），客户端对此的处理策略应该是延迟重 试。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。

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。后来ES在2.x版本中开始解决这 个问题：预估一下 shard 会使用的空间，从磁盘可用空间中减去这部 分，直到现在6.x版也是这种处理方式。但是实现也存在一些问题：

从可用空间减去预估大小

这种机制只存在于一次索引创建的过程中，下一次的索引创建， 磁盘可用空间并不是上次做完减法以后的结果。这也可以理解，毕竟 预估是不准的，一直减下去空间很快就减没了。 但是最终的效果是，这种机制并没有从根本上解决问题，即使没 有完美的解决方案，这种机制的效果也不够好。 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

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。

Java API的TransportClient和REST API的RestClient都是线程 安全的，如果写入程序自己创建线程池控制并发，则应该使用同一个 Client对象。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

索引过程调整和优化

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。

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。

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。

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：

• 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。
• _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。
• 由于数据重复引起的额外建立索引的开销。
• 想要调试时，其内容不容易检查。
• 有些用户甚至不知道存在这个字段，导致了查询混乱。
• 有更好的替代方法。

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}}

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。

最后

• （1）方法比结论重要。一个系统性问题往往是多种因素造成 的，在处理集群的写入性能问题上，先将问题分解，在单台上进行压 测，观察哪种系统资源达到极限，例如，CPU或磁盘利用率、I/O block、线程切换、堆栈状态等。然后分析并调整参数，优化单台上 的能力，先解决局部问题，在此基础上解决整体问题会容易得多。
• （2）可以使用更好的 CPU，或者使用 SSD，对写入性能提升明 显。在我们的测试中，在相同条件下，E5 2650V4比E5 2430 v2的 写入速度高60%左右。
• （3）在我们的压测环境中，写入速度稳定在平均单机每秒3万条 以上，使用的测试数据：每个文档的字段数量为10个左右，文档大小 约100字节，CPU使用E5 2430 v2。