|
|
51CTO旗下网站
|
|
移动端

从10秒到2秒!ElasticSearch性能调优实践

“ELK”是 ElasticSearch、Logstash、Kibana 三门技术的简称,如今 ELK 技术栈在互联网行业数据开发领域使用率越来越高。

作者:皮蛋二哥来源:创宇前端|2019-01-30 09:34

【大咖·来了 第7期】10月24日晚8点观看《智能导购对话机器人实践》

“ELK”是 ElasticSearch、Logstash、Kibana 三门技术的简称,如今 ELK 技术栈在互联网行业数据开发领域使用率越来越高。

做过数据收集、数据开发、数据存储的同学相信对这个简称并不陌生,而 ElasticSearch(以下简称 ES)则在 ELK 栈中占着举足轻重的地位。

前一段时间,我亲身参与了一个 ES 集群的调优,今天把我所了解与用到的调优方法与大家分享,如有错误,请大家包涵与指正。

系统层面的调优

系统层面的调优主要是内存的设定与避免交换内存。ES 安装后默认设置的堆内存是 1GB,这很明显是不够的,那么接下来就会有一个问题出现:我们要设置多少内存给 ES 呢?

其实这是要看我们集群节点的内存大小,还取决于我们是否在服务器节点上还要部署其他服务。

如果内存相对很大,如 64G 及以上,并且我们不在 ES 集群上部署其他服务,那么我建议 ES 内存可以设置为 31G-32G,因为这里有一个 32G 性能瓶颈问题。

直白的说就是即使你给了 ES 集群大于 32G 的内存,其性能也不一定会更加优良,甚至会不如设置为 31G-32G 时候的性能。

以我调优的集群为例,我所调优的服务器节点内存为 64G,服务器节点上也基本不跑其他服务,所以我把 ES 集群内存大小设置为了 31G,以充分发挥集群性能。

设置 ES 集群内存的时候,还有一点就是确保堆内存最小值(Xms)与***值(Xmx)的大小是相同的,防止程序在运行时改变堆内存大小,这是一个很耗系统资源的过程。

还有一点就是避免交换内存,可以在配置文件中对内存进行锁定,以避免交换内存(也可以在操作系统层面进行关闭内存交换)。

对应的参数:

  1. bootstrap.mlockall: true 

分片与副本

分片 (shard)

ES 是一个分布式的搜索引擎, 索引通常都会分解成不同部分, 分布在不同节点的部分数据就是分片。

ES 自动管理和组织分片, 并在必要的时候对分片数据进行再平衡分配, 所以用户基本上不用担心分片的处理细节。创建索引时默认的分片数为 5 个,并且一旦创建不能更改。

副本 (replica)

ES 默认创建一份副本,就是说在 5 个主分片的基础上,每个主分片都相应的有一个副本分片。

额外的副本有利有弊,有副本可以有更强的故障恢复能力,但也占了相应副本倍数的磁盘空间。

那我们在创建索引的时候,应该创建多少个分片与副本数呢?对于副本数,比较好确定,可以根据我们集群节点的多少与我们的存储空间决定。

我们的集群服务器多,并且有足够大多存储空间,可以多设置副本数,一般是 1-3 个副本数,如果集群服务器相对较少并且存储空间没有那么宽松,则可以只设定一份副本以保证容灾(副本数可以动态调整)。

对于分片数,是比较难确定的,因为一个索引分片数一旦确定,就不能更改。

所以我们在创建索引前,要充分的考虑到,以后我们创建的索引所存储的数据量,否则创建了不合适的分片数,会对我们的性能造成很大的影响。

对于分片数的大小,业界一致认为分片数的多少与内存挂钩,认为 1GB 堆内存对应 20-25 个分片,而一个分片的大小不要超过 50G,这样的配置有助于集群的健康。

但是我个人认为这样的配置方法过于死板,我个人在调优 ES 集群的过程中,根据总数据量的大小,设定了相应的分片,保证每一个分片的大小没有超过 50G(大概在 40G 左右),但是相比之前的分片数查询起来,效果并不明显。

之后又尝试了增加分片数,发现分片数增多之后,查询速度有了明显的提升,每一个分片的数据量控制在 10G 左右。

查询大量小分片使得每个分片处理数据速度更快了,那是不是分片数越多,我们的查询就越快,ES 性能就越好呢?

其实也不是,因为在查询过程中,有一个分片合并的过程,如果分片数不断的增加,合并的时间则会增加。

而且随着更多的任务需要按顺序排队和处理,更多的小分片不一定要比查询较小数量的更大的分片更快。如果有多个并发查询,则有很多小碎片也会降低查询吞吐量。

如果现在你的场景是分片数不合适了,但是又不知道如何调整,那么有一个好的解决方法就是按照时间创建索引,然后进行通配查询。

如果每天的数据量很大,则可以按天创建索引,如果是一个月积累起来导致数据量很大,则可以一个月创建一个索引。

如果要对现有索引进行重新分片,则需要重建索引,我会在文章的***总结重建索引的过程。

参数调优

下面我会介绍一些 ES 关键参数的调优。有很多场景是,我们的 ES 集群占用了多大的 CPU 使用率,该如何调节呢?

CPU 使用率高,有可能是写入导致的,也有可能是查询导致的,那要怎么查看呢?

可以先通过 GET _nodes/{node}/hot_threads 查看线程栈,查看是哪个线程占用 CPU 高:

  • 如果是 elasticsearch[{node}][search][T#10] 则是查询导致的。
  • 如果是 elasticsearch[{node}][bulk][T#1] 则是数据写入导致的。

我在实际调优中,CPU 使用率很高,如果不是 SSD,建议把 index.merge.scheduler.max_thread_count: 1 索引 merge ***线程数设置为 1 个,该参数可以有效调节写入的性能。

因为在存储介质上并发写,由于寻址的原因,写入性能不会提升,只会降低。

还有几个重要参数可以进行设置,各位同学可以视自己的集群情况与数据情况而定。

index.refresh_interval:这个参数的意思是数据写入后几秒可以被搜索到,默认是 1s。

每次索引的 refresh 会产生一个新的 lucene 段, 这会导致频繁的合并行为,如果业务需求对实时性要求没那么高,可以将此参数调大,实际调优告诉我,该参数确实很给力,CPU 使用率直线下降。

indices.memory.index_buffer_size:如果我们要进行非常重的高并发写入操作,那么***将 indices.memory.index_buffer_size 调大一些。

index buffer 的大小是所有的 shard 公用的,一般建议(看的大牛博客),对于每个 shard 来说,最多给 512mb,因为再大性能就没什么提升了。

ES 会将这个设置作为每个 shard 共享的 index buffer,那些特别活跃的 shard 会更多的使用这个 buffer。默认这个参数的值是 10%,也就是 jvm heap 的 10%。

translog:ES 为了保证数据不丢失,每次 index、bulk、delete、update 完成的时候,一定会触发刷新 translog 到磁盘上。

在提高数据安全性的同时当然也降低了一点性能。如果你不在意这点可能性,还是希望性能优先,可以设置如下参数:

  1. "index.translog": { 
  2.             "sync_interval""120s",     --sync间隔调高 
  3.             "durability""async",       -– 异步更新 
  4.             "flush_threshold_size":"1g"  --log文件大小 
  5.         } 

这样设定的意思是开启异步写入磁盘,并设定写入的时间间隔与大小,有助于写入性能的提升。

还有一些超时参数的设置:

  • discovery.zen.ping_timeout 判断 master 选举过程中,发现其他 node 存活的超时设置。
  • discovery.zen.fd.ping_interval 节点被 ping 的频率,检测节点是否存活。
  • discovery.zen.fd.ping_timeout 节点存活响应的时间,默认为 30s,如果网络可能存在隐患,可以适当调大。
  • discovery.zen.fd.ping_retries ping 失败/超时多少导致节点被视为失败,默认为 3。

其他建议

还有一些零碎的优化建议如下:

插入索引自动生成 id:当写入端使用特定的 id 将数据写入 ES 时,ES 会检查对应的索引下是否存在相同的 id。

这个操作会随着文档数量的增加使消耗越来越大,所以如果业务上没有硬性需求,建议使用 ES 自动生成的 id,加快写入速率。

避免稀疏索引:索引稀疏之后,会导致索引文件增大。ES 的 keyword,数组类型采用 doc_values 结构。

即使字段是空值,每个文档也会占用一定的空间,所以稀疏索引会造成磁盘增大,导致查询和写入效率降低。

我的调优

下面说一说我的调优:主要是重建索引,更改了现有索引的分片数量,经过不断的测试,找到了一个***的分片数量。

重建索引的时间是漫长的,在此期间,又对 ES 的写入进行了相应的调优,使 CPU 使用率降低下来。

附上我的调优参数:

  1. index.merge.scheduler.max_thread_count:1 # 索引 merge ***线程数 
  2. indices.memory.index_buffer_size:30%     # 内存 
  3. index.translog.durability:async # 这个可以异步写硬盘,增大写的速度 
  4. index.translog.sync_interval:120s #translog 间隔时间 
  5. discovery.zen.ping_timeout:120s # 心跳超时时间 
  6. discovery.zen.fd.ping_interval:120s     # 节点检测时间 
  7. discovery.zen.fd.ping_timeout:120s     #ping 超时时间 
  8. discovery.zen.fd.ping_retries:6     # 心跳重试次数 
  9. thread_pool.bulk.size:20 # 写入线程个数 由于我们查询线程都是在代码里设定好的,我这里只调节了写入的线程数 
  10. thread_pool.bulk.queue_size:1000 # 写入线程队列大小 
  11. index.refresh_interval:300s #index 刷新间隔复制代码 

关于重建索引

在重建索引之前,首先要考虑一下重建索引的必要性,因为重建索引是非常耗时的。

ES 的 reindex api 不会去尝试设置目标索引,不会复制源索引的设置,所以我们应该在运行_reindex 操作之前设置目标索引,包括设置映射(mapping),分片,副本等。

***步,和创建普通索引一样创建新索引

当数据量很大的时候,需要设置刷新时间间隔,把 refresh_intervals 设置为 -1,即不刷新。

number_of_replicas 副本数设置为 0(因为副本数可以动态调整,这样有助于提升速度)。

  1.     "settings": { 
  2.  
  3.         "number_of_shards""50"
  4.         "number_of_replicas""0"
  5.         "index": { 
  6.             "refresh_interval""-1" 
  7.         } 
  8.     } 
  9.     "mappings": { 
  10.     } 

第二步,调用 reindex 接口

建议加上 wait_for_completion=false 的参数条件,这样 reindex 将直接返回 taskId。

  1. POST _reindex?wait_for_completion=false 
  2.  
  3.   "source": { 
  4.     "index""old_index",   //原有索引 
  5.     "size": 5000            //一个批次处理的数据量 
  6.   }, 
  7.   "dest": { 
  8.     "index""new_index",   //目标索引 
  9.   } 

第三步:等待

可以通过 GET _tasks?detailed=true&actions=*reindex 来查询重建的进度。如果要取消 task 则调用_tasks/node_id:task_id/_cancel。

第四步:删除旧索引,释放磁盘空间

更多细节可以查看 ES 官网的 reindex api。那么有的同学可能会问,如果我此刻 ES 是实时写入的,那咋办呀?

这个时候,我们就要重建索引的时候,在参数里加上上一次重建索引的时间戳。

直白的说就是,比如我们的数据是 100G,这时候我们重建索引了,但是这个 100G 在增加,那么我们重建索引的时候,需要记录好重建索引的时间戳。

记录时间戳的目的是下一次重建索引跑任务的时候不用全部重建,只需要在此时间戳之后的重建就可以,如此迭代,直到新老索引数据量基本一致,把数据流向切换到新索引的名字。

  1. POST /_reindex 
  2.     "conflicts""proceed",          //意思是冲突以旧索引为准,直接跳过冲突,否则会抛出异常,停止task 
  3.     "source": { 
  4.         "index""old_index"         //旧索引 
  5.         "query": { 
  6.             "constant_score" : { 
  7.                 "filter" : { 
  8.                     "range" : { 
  9.                         "data_update_time" : { 
  10.                             "gte" : 123456789   //reindex开始时刻前的毫秒时间戳 
  11.                             } 
  12.                         } 
  13.                     } 
  14.                 } 
  15.             } 
  16.         }, 
  17.     "dest": { 
  18.         "index""new_index",       //新索引 
  19.         "version_type""external"  //以旧索引的数据为准 
  20.         } 

以上就是我在 ES 调优上的一点总结,希望能够帮助到对 ES 性能有困惑的同学们,谢谢大家。

【编辑推荐】

  1. 配置高性能ElasticSearch搜索引擎集群的9个小贴士
  2. 全文搜索引擎ElasticSearch入门教程
  3. 搜索引擎怎么选?携程酒店订单Elasticsearch实战
  4. 京东到家订单中心 Elasticsearch 演进历程
  5. 全文搜索引擎选ElasticSearch还是Solr?
【责任编辑:武晓燕 TEL:(010)68476606】

点赞 0
分享:
大家都在看
猜你喜欢

订阅专栏+更多

这就是5G

这就是5G

5G那些事儿
共15章 | armmay

114人订阅学习

16招轻松掌握PPT技巧

16招轻松掌握PPT技巧

GET职场加薪技能
共16章 | 晒书包

371人订阅学习

20个局域网建设改造案例

20个局域网建设改造案例

网络搭建技巧
共20章 | 捷哥CCIE

757人订阅学习

读 书 +更多

Java面向对象编程

Java是当前最流行的程序设计语言之一。本书以Java最新版本Java SE5为基础,涵盖了Java SE5最新特性,由浅入深地介绍了Java SE5的主要内容。...

订阅51CTO邮刊

点击这里查看样刊

订阅51CTO邮刊

51CTO服务号

51CTO官微