面试题：ElasticSearch聚合查询索引优化策略

Question

当处理大规模数据的聚合查询时，如何针对ElasticSearch的索引进行优化？请从索引设计、字段映射、分片策略等方面详细说明。

Answer 1

索引设计

1. 选择合适的索引结构：根据业务场景，如果查询主要基于时间序列数据，可使用时间序列索引模式，按时间范围创建多个索引，如按天、周、月等。这样可以在查询时快速定位到相关时间范围的索引，减少检索数据量。
2. 避免过度索引：只对需要进行查询、聚合的字段创建索引。过多的索引会增加存储成本和索引维护开销，降低写入性能。

字段映射

1. 数据类型选择：确保字段映射的数据类型准确。例如，对于数值类型，如果不需要高精度，可选择范围合适的整数类型（如 integer 替代 double），这样能减少存储空间，提高查询性能。对于日期类型，明确指定格式，以便ElasticSearch能高效处理时间相关的聚合。
2. 设置 doc_values：对于需要进行排序、聚合操作的字段，开启 doc_values。doc_values 是磁盘上的列式存储，能加快聚合和排序的速度。例如，对要用于分组聚合的字符串字段，设置 doc_values: true。

分片策略

1. 预估数据量和查询负载：在创建索引时，根据预计的数据总量和查询频率来确定合适的分片数量。如果数据量会持续增长，应预留一定的扩展空间。一般原则是每个分片的大小控制在几十GB到几百GB之间，避免单个分片过大影响查询性能。
2. 动态调整分片：可以使用ElasticSearch的 _split 和 _shrink API 动态调整分片数量。在数据增长初期，可适当少分一些片，随着数据量增加，通过 _split 操作增加分片；如果发现分片过多导致性能问题，可使用 _shrink 操作合并分片。
3. 考虑副本数量：副本数量不仅影响数据的高可用性，也会对查询性能产生影响。过多副本会增加存储成本和写入开销，但能提高读性能。根据业务的读写需求平衡副本数量，一般可设置1 - 2个副本。