網羅Elasticsearch最佳實踐，實際應用場景中常見錯誤要預知和避免，以最大化提升集羣性能。
1、採用動態Mapping
如果不定義Mapping，Elasticsearch會根據輸入的數據，創建對應的Mapping，這看起來非常完美，但是Elasticsearch的動態Mapping並不總是精確的。
動態Mapping對於入門很有用，但在某些時候您需要結合業務數據指定Mapping。
舉例1：5.x版本之後，需要分詞的字段需要設定text類型和對應的analyzer ；僅需要精確匹配的可直接設置爲keyword類型。
舉例2：長文本高亮需要在text類型的基礎上，設置fast-vector-highlighter高亮方式，高亮效率能提升20倍以上。
2、聚合設置不當導致OOM
在某些聚合中，沒有足夠的內存來支持複雜的嵌套聚合，導致聚合結果超時甚至OOM。
舉例說明：
現有9億條數據，45個索引，每條數據大小爲2k左右 在查詢時候， 首先要按照時間進行排序，然後做三次分組操作？ https://elasticsearch.cn/question/6323
羣友討論實際問題
聚合爆炸是計算問題，可能導致某些聚合的桶生成呈指數增長，並可能導致不受控制的內存使用。
Elasticsearch“terms”字段根據您的數據構建存儲桶，但無法預測將提前創建多少存儲桶。 對於由多個子聚合組成的父聚合，這可能會有問題。 組合每個子聚合中的唯一值可能會導致創建的桶數量大幅增加。
我們來看一個例子。
假設您有一個代表運動隊的數據集。 如果你想特別關注那支球隊的前10名球員和以及他們的支持球員，那麼聚合將如下所示
1{
2"aggs" : {
3"play_aggs" : {
4"terms" : {
5"field" : "players",
6"size" : 10
7},
8"aggs" : {
9"other_aggs" : {
10"terms" : {
11"field" : "players",
12"size" : 5
13}
14}
15}
16}
17}
18}聚合將返回前10名球員的列表以及每位頂級球員的前五名支持球員的列表 - 這樣總共將返回50個值。這個看上去簡單的查詢可以輕而易舉地消耗大量內存。
terms聚合可以顯示爲使用每個級別的桶的樹。因此，以上聚合中每個頂級球員的桶將構成第一級，而另一個聚合中的每個支持球員的桶將構成第二級。因此，一個團隊將生產n²桶。想象一下，如果您擁有5億個文檔的數據集會發生什麼。
Collection Mode用於幫助控制子聚合的執行方式。聚合的默認Collection Mode稱爲深度優先，首先需要構建整個樹，然後修剪邊緣。雖然深度優先是大多數聚合的適當收集模式，但它不適用於上面的運動員聚合示例。因此，Elasticsearch允許您將特定聚合中的收集模式更改爲更合適的方式。
諸如上面的示例之類的規範應該使用廣度優先收集模式，該模式一次構建和修剪樹一級以控制聚合爆炸。 此收集模式極大地幫助減少消耗的內存量並保持節點穩定。
1{
2"aggs" : {
3"play_aggs" : {
4"terms" : {
5"field" : "players",
6"size" : 10,
7"collect_mode" : "breadth_first"
8},
9"aggs" : {
10"other_aggs" : {
11"terms" : {
12"field" : "players",
13"size" : 5
14}
15}
16}
17}
18}
19}推薦閱讀：http://t.cn/RHndSgY
3. ES索引設置不當
3.1 集羣名稱配置
ES啓動的默認羣集名稱稱爲elasticsearch。 如果羣集中有許多節點，最好保持命名標誌儘可能一致，例如：
1cluster.name:app_es_production 2node.name:app_es_node_001
3.2 集羣恢復設置
節點的恢復設置也很重要。 假設羣集中的某些節點由於故障而重新啓動，並且某些節點在其他節點之後重啓。 爲了使所有這些節點之間的數據保持一致，我們必須運行一致性程序，以使所有集羣保持一致狀態。
舉例1：只要10個數據或主節點已加入羣集，即可恢復。
1gateway.recover_after_nodes：10
舉例2：集羣中期待啓動節點達到20個以及時間超過7分鐘後，集羣重啓或恢復。
1gateway.expected_nodes：20 2gateway.recover_after_time：7m
使用正確的配置，可能需要數小時的恢復縮減到只需要分鐘級，極大提高工作效率。
3.3 防腦裂配置
minimum_master_nodes對於羣集穩定性非常重要。 它們有助於防止腦裂。
此設置的建議值爲（N / 2）+ 1 ， 其中N是候選主節點的節點數。
有了這個，如果你有10個可以保存數據併成爲主數據的 候選主節點，那麼該值將是6。
如果您有三個專用主節點和1,000個數據節點，則該值爲兩個（僅計算候選主節點）：
discovery.zen.minimum_master_nodes：2
4、集羣不做規劃，遇到問題再說
1“我需要多少存儲空間、多大的內存？”是用戶經常問自己的問題。
遺憾的是，沒有固定的公式，但可以採取某些步驟來協助規劃資源。 推薦方法：模擬實際用例。 步驟1：創建ES集羣。 步驟2：使用與生產設置所需的數據速率幾乎相同的數據。 步驟3：啓動節點，用真實文檔填充它們，然後推送填充數據到索引分片。
在模擬實際用例過程中瞭解資源利用率非常重要，因爲它允許您爲節點保留適當的RAM量，配置JVM堆空間並優化整個測試過程。
根據模擬結果，決定實際集羣的內存、CPU、磁盤容量。
5、線程池設置不合理
ES節點具有許多線程池，以便改進節點內線程的管理方式。 但是每個線程可以處理多少數據存在限制。 要跟蹤此值，我們可以使用ES屬性：
1threadpool.bulk.queue_size：2000
這會向ES通知分片中的請求數，當沒有可用於處理請求的線程時，新請求可以在節點中排隊等待執行。 如果任務數高於此值，您將獲得RemoteTransportException。 該值越高，節點機器上所需的堆空間量就越大，並且JVM堆也將被消耗。 此外，你應該在代碼的開發階段做好異常處理。
注意：ES官網不建議修改此值。
小結
Elasticsearch的使用過程中總會遇到這樣、那樣的問題，多總結、多思考，形成針對業務場景的有效的解決方案。 同時，也要多吸取國內外社區、論壇、博客中的精華，取長補短。
注意：網絡文獻一般沒有涉及版本，老版本ES一些配置不一定適用於6.X最新版本，但，底層的技術永遠不過時。
參考：
[1] http://t.cn/RRv9dw9
[2]http://t.cn/E2iBb3X
推薦閱讀：
重磅 | 死磕Elasticsearch方法論認知清單（國慶更新版）