Elasticsearch搜尋調優權威指南 （2/3）

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. 預索引資料
2. 映射
3. 避免使用腳本
4. 強制合并隻讀索引

Elasticsearch搜尋調優權威指南，是QBOX在其部落格上釋出的系列文章之一，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、索引段合并等搜尋性能相關的調優方法。

本文是Elasticsearch搜尋調優系列文章3篇中的第2篇，

第1篇參考這裡（點選）

。本系列教程旨在更進一步讨論針對Elasticsearch 5.0及以上版本的搜尋調優技術、政策及建議。

1.預索引資料

為了優化資料的索引方式，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範圍清單上執行 range 聚合，那麼就可以通過預索引範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
}'           

以及如下搜尋請求：

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 }
       ]
     }
   }
 }
}'           

然後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"
}'
           

接下來搜尋請求就能聚合這個新的字段，而不是在 price 字段上執行一個範圍聚合。

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，一些數值型的資料，并不意味着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 之類的辨別符，或者任何辨別另一個資料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内容，比如 email 位址、主機名稱、狀态碼、郵政編碼或标簽。

典型地用于過濾（比如查找所有已釋出的部落格文章）、排序以及聚合。關鍵字字段隻可通過其精确值搜尋得到。

如果需要索引全文内容比如 email 内容或産品描述，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援關鍵字的；相反，它們會試圖把 keyword 類型降級為 string 類型。這支援合并新的映射和舊的映射。長期存在的索引，必須在更新到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 的預設腳本語言，可安全地用于内聯和存儲腳本。關于 Painless 文法和語言特性的更較長的描述，請參考 Painless 語言規範。

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 表達式編譯為位元組碼，設計用于高性能自定義評級和排序函數，并支援 inline 和預設的存儲腳本。

• 性能

表達式相對于自定義 Lucene 代碼而言，有着更好的性能表現；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。

• 文法

表達式支援一個 javascript 文法子集：一個單獨的表達式。參見表達式子產品的文檔，了解支援的操作符和函數。

表達式腳本中可通路的變量有：

• 文檔字段，比如doc['myfield'].value
• 字段所支援的變量和方法，比如doc['myfield'].empty
• 傳遞到腳本裡的參數，比如mymodifier
• 目前文檔得分，_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，隻要簡單地設定參數到表達式中即可。

4.強制合并隻讀索引

隻讀索引在合并為單一的段後将會非常受益。典型的情況是基于時間的索引：隻有目前時間窗的索引會成為新文檔，同時舊索引成為隻讀。

強制合并 API 支援通過 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。強制合并操作支援通過合并來減少段數量。

該調用在合并完成之前将會處于阻塞狀态。如果 http 連接配接斷掉，請求将在背景繼續，在前一個強制合并完成之前，所有新請求将會阻塞。

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，可設定為 1 。預設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删除的段。在 Lucene 中，一個文檔并不會從一個段直接删除，隻是标記為删除。在一個段合并的過程中，一個新的段可能會被建立，這個新的段并不包含那些删除。這個标記參數支援隻合并有删除的段，且預設為false。注意，這并不會重寫門檻值 index.merge.policy.expunge_deletes_allowed。
• flush - 強制合并後是否執行 flush，預設為 true。