ElasticSearch使用规范Beta版

本文转载自微信公众号「Redis开发运维实战」，用规作者付磊。用规转载本文请联系Redis开发运维实战公众号。用规  

ElasticSearch除了在日志场景(监控、用规数据分析、用规debug)等场景大量使用以外，用规最近一年多在很多核心上的用规线上业务(譬如电商业务)大量使用，目前接近了5000个节点，用规目前在db-ranking(2020-11-24日)，用规ElasticSearch在search-engine中常年第一：

对于MySQL、用规Redis这类存储缓存许多开发同学多有很强的用规最佳实践，但对于ElasticSearch的用规使用经验相对模式。我个人经验是用规ElasticSearch非常便于开发(譬如支持dynamic mapping)但它相对脆弱：一方面是开发同学对于其重视程度不够(譬如没有自己制定mapping)、另一方面它本身的用规一些设计(例如聚合计算都在JVM完成)导致其相对脆弱。

为此我们提供一份关于ElasticSearch的用规开发规范帮助ElasticSearch使用者减少一些可能碰到的坑

一、容量规划

1. 分片(shard)容量

非日志型(搜索型、线上业务型)的shard容量在10~30GB(建议在10G) 日志型的shard容量在30~100GB(建议30G) 单个shard的文档个数不能超过21亿左右(Integer.MAX_VALUE - 128)

注：一个shard就是一个lucene分片，ES底层基于lucene实现。

2. 索引(index)数量

大索引需要拆分：增强性能，风险分散。

反例：一个10T的索引，香港云服务器例如按date查询、name查询

正例：index_name拆成多个index_name_${date}

正例：index_name按hash拆分index_name_{1,2,3,...100..}

提示：索引和shard数并不是越多越好，对于批量读写都会有性能下降，所以要综合考虑性能和容量规划，同时配合压力测试，不存在真正的最优解。 

3. 节点、分片、索引

一个节点管理的shard数不要超过200个

4. 示意图

(1) 集群

(2) 节点：

(3) 索引：

(4) 分片(shard)

二、 索引mapping设计

大原则：不用默认配置和动态mapping、数据用途(类型、分词、存储、排序)弄清，下面是一个标准mapping：

1. shard个数(number_of_shards)：

参考一

2. refresh频率(refresh_interval)：

ES的定位是准实时搜索引擎，该值默认是1s，表示写入后1秒后可被搜索到，所以这里的值取决于业务对实时性的要求，注意这里并不是越小越好，刷新频率高也意味着对ES的开销也大，通常业务类型在1-5s，日志型在30s-120s，亿华云计算如果集中导入数据可将其设置为-1，ES会自动完成数据刷新(注意完成后更改回来，否则后续会出现搜索不到数据)

3. 使用别名(aliases)：不要过度依赖别名功能

正例：

索引名：index_name_v1 别名：index_name

未来重建index_name_v2索引，对于业务来说只需要换别名。

4. type个数

1个就够了，从ES6开始只支持一个type，这个type比较鸡肋，后面的版本可能会去掉。

如果一定用：针对已经使用多个type的场景，一定要保证不同type下字段尽量保持一致，否则会加大数据稀疏性，存储与查询性能受影响

5. 慢日志(slowlog)：

一定要配置，默认不记录慢查询，kcc提供了grafana、kibana查询功能。

6. 副本(number_of_replicas)

1个就够用，副本多写入压力不可忽视。极端情况下：譬如批量导入数据，可以将其调整为0.

7. 字段设计

(1) text和keyword的用途必须分清：分词和关键词(确定字段是否需要分词)

(2) 确定字段是否需要独立存储

(3) 字段类型不支持修改，必须谨慎。

(4) 对不需要进行聚合/排序的字段禁用doc_values

text 类型作用：分词，用于搜索。  适用于：email 内容、某产品的描述等需要分词全文检索的字段；  不适用：排序或聚合（Significant Terms 聚合例外） keyword 类型：无需分词、整段完整精确匹配。亿华云  适用于：email 地址、住址、状态码、分类 tags。 

(5) 不要在text做模糊搜索：

8. 设置合理的routing key(默认是id)

id不均衡：集群容量和访问不均衡，对于分布式存储是致命的。

9. 关闭_all

ES6.0已经去掉，对容量(索引过大)和性能(性能下降)都有影响。

10. 避免大宽表：

ES默认最大1000，但建议不要超过100.

11. text类型的字段不要使用聚合查询。

text类型fileddata会加大对内存的占用，如果有需求使用，建议使用keyword

12.聚合查询避免使用过多嵌套，

聚合查询的中间结果和最终结果都会在内存中进行，嵌套过多，会导致内存耗尽

比如以下聚合就嵌套了3层，country、city和salary的结果都会保存在内存中，如果唯一值较多，就会导致内存耗尽

{     "aggs":{         "country":{             "terms":{                 "filed":"country",                 "size":10             },             "aggs":{                 "city":{                     "terms":{                         "filed":"city",                         "size":20                     },                     "aggs":{                         "salary":{                             "terms":{                                 "filed":"salary",                                 "size":20                             }                         }                     }                 }             }         }     } } 

三、违规操作

1. 原则：不要忽略设计，快就是慢，坏的索引设计后患无穷.

2. 拒绝大聚合 ：ES计算都在JVM内存中完成。

3. 拒绝模糊查询：es一大杀手

{     "query":{         "wildcard":{             "title.keyword":"*张三*"         }     } } 

4. 拒绝深度分页

ES获取数据时，每次默认最多获取10000条，获取更多需要分页，但存在深度分页问题，一定不要使用from/Size方式，建议使用scroll或者searchAfter方式。scroll会把上一次查询结果缓存一定时间(通过配置scroll=1m实现)，所以在使用scroll时一定要保证search结果集不要太大。

5. 基数查询

尽量不要用基数查询去查询去重后的数据量大小(kibana中界面上显示是Unique Count，Distinct Count等)，即少用如下的查询：

"aggregations": {      "cardinality": {           "field": "userId"       }  } 

6. 禁止查询 indexName-*

7. 避免使用script、update_by_query、delete_by_query，对线上性能影响较大。

四、常见问题

1. 一个索引的shard数一旦确定不能改变

2. ES不支持事务ACID特性。

3. reindex：

reindex可以实现索引的shard变更，但代价非常大：速度慢、对性能有影响，所以好的设计和规划更重要

五、grafana使用规范

1.查询范围不要太大，建议在3h以内

如下查询7d，数据量巨大，严重影响集群查询性能

2. 拒绝多层嵌套，不要超过2层

如下图中进行了4层嵌套，每层嵌套的结果都缓存在内存中，导致内存崩溃

3. 拒绝分时查询

分位查询相当于一种分桶聚合方式，分的桶越多，带来的CPU计算量越大

4. 拒绝TOP>100查询

top查询是在聚合的基础上再进行排序，如果top太大，cpu的计算量和耗费的内存都会导致查询瓶颈

5. 拒绝正则匹配查询