面试题：ElasticSearch搜索性能优化之查询优化

Question

假设你有一个复杂的ElasticSearch查询，涉及多个字段的联合查询和过滤，并且查询性能较差。请阐述从查询语句本身和相关配置方面如何进行优化，以提高查询效率，并举例说明。

Answer 1

查询语句优化

1. 字段映射优化：
   • 确保字段映射正确，特别是数据类型。例如，如果一个字段只存储数字，将其映射为long而不是text类型。因为text类型会进行分词处理，在数字查询时会增加不必要的开销。
   • 示例：如果有一个age字段存储年龄，正确的映射应该是"age": {"type": "long"}。
2. 避免使用通配符查询：通配符查询（如*开头的查询）性能较差，尽量使用精确查询或前缀查询代替。
   • 例如，不要使用"query": {"wildcard": {"username": {"value": "*john"}}}，可以使用前缀查询"query": {"prefix": {"username": "john"}}，前提是业务允许。
3. 使用布尔查询组合过滤条件：合理使用bool查询中的must、should、filter等子句。filter子句不参与评分，性能更好，对于不需要评分的过滤条件应放在filter中。
   • 示例：

{
    "query": {
        "bool": {
            "filter": [
                {"term": {"status": "active"}},
                {"range": {"age": {"gte": 18}}}
            ],
            "must": [
                {"match": {"name": "john"}}
            ]
        }
    }
}

4. 减少返回字段：只请求需要的字段，避免返回所有字段（_source），可以提高查询性能。
   • 示例：

{
    "_source": ["name", "age"],
    "query": {
        "match_all": {}
    }
}

相关配置优化

1. 索引优化：
   • 合理设置分片数：根据数据量和硬件资源设置合适的分片数。如果分片数过多，会增加管理开销；过少则可能影响查询性能。例如，对于10GB左右的数据，初始设置5 - 10个分片可能比较合适。
   • 启用索引存储优化：如doc_values，它能加快排序和聚合操作。对于需要排序或聚合的字段，确保doc_values已启用（默认大多数数据类型启用）。例如，对于price字段用于价格排序和聚合，确保其doc_values是开启状态。
2. 集群资源优化：
   • 增加节点资源：如果查询性能瓶颈是由于资源不足导致，可以增加节点的内存、CPU等资源。例如，将节点的内存从8GB增加到16GB，可能会显著提升查询性能。
   • 合理分配节点角色：在大型集群中，将数据节点、主节点和协调节点的角色分开。数据节点专注于存储和检索数据，主节点负责集群管理，协调节点处理客户端请求和分发查询，这样可以提高整体性能。例如，将处理复杂查询的节点设置为协调节点，并适当增加协调节点数量。