優化查詢 ElasticSearch

elasticsearch使用檔案系統快取提公升查詢效能，最好確保可用記憶體的一半設定到檔案系統快取。

如果是io敏感，那麼最好使用ssd驅動，總是使用本地儲存，不要使用nfs或者smb的檔案系統。儘管amazon的ebs也可以很好工作，但是最好使用本地儲存。

如果是cpu敏感，那麼應該購買更快的cpus。

盡量避免使用joins操作。內嵌和父子關聯使得查詢比較慢。

盡量使用反正規化文件進行查詢。

query_string和multi_match關注的fields越多，那麼查詢越慢。通常技術是複製多個fields的值到乙個field，這樣在查詢時使用這乙個field。可以使用copy-to指令來完成。

下面的例子是合併name和plot的值到新的name_and_plot

put movies
,      "name": ,
"plot": 
}}}

利用查詢方式優化資料索引的方式，例如，所有文件中包含price欄位，大部分查詢是基於固定範圍進行範圍聚合，那麼通過預索引資料來增加聚合速度。

資料如下： put index/_doc/1

查詢如下：
get index/_search
,          ,]}
}}}

使用price_range欄位來增加聚合速度
put index}}}
put index/_doc/1

然後可以使用price_range欄位進行聚合
get index/_search
}}}

並不是所有數值資料應該對映為數值資料型別，elasticsearch對於range查詢優化像integer或者long的數值字段。但是對於term或其他類term級別的查詢來說，keyword欄位將會有更好的效能。

想isbn或者商品id的identifiers很少使用在range查詢，但是通常會使用在term級別的查詢上。

如果存在下面情況，考慮對映數值identifer為keyword

並不需要使用range查詢來查詢identifier

更快獲取是重要的，在keyword欄位的term查詢比在數值字段的term查詢更快

如果不確定使用哪種資料型別，可以使用multi-field對映資料既到keyword型別，又到數值型別。

在日期欄位中使用now通常是不可快取的，因為範圍一直在變化，但是切換到有邊界的日期會利用到快取。

例如：

put index/_doc/1
get index/_search}}
}}}

上面的查詢可以修改為下面的查詢語句

get index/_search}}
}}}

如果當前時間是16:31:29，那麼range查詢將會包含15:31:00到16:31:59的所有資料，如果多個使用者執行包含相同分鐘資料的查詢，那麼查詢快取會起到很大作用。

除了上述方法，也可以切割查詢到乙個大可快取的部分和乙個小的不可快取的部分，這樣可以利用快取。

get index/_search}},
}},}}
]}}}
}}

但是上面的查詢有時也會使得查詢更慢，因為bool查詢產生的壓力有時會比利用快取帶來的節省更大。

合併唯讀的指標到乙個segment會很好的提公升效能，這些通常是基於時間的指標。僅僅對於當前日期的索引建立新文件，而比較老的指標僅僅是可讀，可以強制合併到乙個segment，很好提公升查詢效能。

不要強制合併正在寫入的指標或者將會改變的指標

全域性常規是一種資料結構，主要是在keyword欄位上執行terms聚合操作。因為elasticsearch並不知道哪個字段使用在terms聚合中，索引他們是懶載入到記憶體中。但是你可以告訴elasticsearch哪些字段可以提前載入到記憶體中。

put index
}}}

如果執行elasticsearch的機器重啟後，檔案系統快取將使空。作業系統載入index的熱資料到記憶體需要一定時間，但是你可以告訴操作哦系統哪些檔案可以提前載入檔案系統快取中。通過使用index.store.preload進行設定