面试题：ElasticSearch搜索API的性能优化

优化字段映射
- 方法：根据数据类型准确设置字段映射。例如，对于不需要进行全文搜索的字段，设置为keyword类型，而不是默认的text类型。对于数值类型，使用合适的数值类型，如long、integer等。
- 原理：keyword类型的字段不会进行分词，存储和查询时更高效，减少了不必要的分词计算开销。合适的数值类型能更有效地利用存储空间，提升数值范围查询等操作的性能。
使用合适的分词器
- 方法：根据业务需求选择合适的分词器。比如对于中文文本，使用ik_max_word等中文分词器。如果是英文，根据具体情况选择standard、english等分词器。
- 原理：合适的分词器能将文本更合理地切分成词项，使得索引中的词项更符合搜索需求，提高搜索命中率，减少无效的匹配尝试，从而提升搜索性能。
设置合理的索引分片和副本
- 方法：根据数据量和硬件资源，合理设置索引的分片数和副本数。一般来说，初始时可以根据预估数据量和节点数来确定分片数，如每个分片控制在几十GB到100GB左右。副本数根据对高可用和读性能的需求设置，通常1 - 2个副本。
- 原理：合适的分片数可以将数据均匀分布在集群节点上，避免单个节点数据量过大影响性能。副本可以分担读请求，提升整体的读性能，同时保证高可用性。

使用Filter查询
- 方法：对于不需要计算相关性分数，只用于筛选数据的条件，使用filter查询。例如，根据时间范围、固定枚举值等条件筛选数据。
- 原理：filter查询不计算相关性分数，会利用缓存，查询速度更快。缓存可以避免重复执行相同的筛选条件查询，提升查询性能。
批量查询
- 方法：将多个相似的查询合并为一个批量查询。例如，在需要获取多个文档的场景下，使用mget API一次性获取多个文档，而不是多次单个查询。
- 原理：减少网络开销，一次请求代替多次请求，同时集群可以更高效地处理批量请求，提升整体的查询效率。
使用Query DSL优化
- 方法：准确使用bool查询的must、should、must_not等子句来构建复杂查询。例如，将必须满足的条件放在must子句，可选条件放在should子句。
- 原理：合理的Query DSL结构能让ElasticSearch更准确地理解查询意图，优化查询执行计划，提高查询性能。

增加节点资源
- 方法：给集群中的节点增加更多的内存、CPU等硬件资源，或者增加节点数量。
- 原理：更多的内存可以容纳更多的索引数据在内存中，减少磁盘I/O，提升查询速度。更多的CPU核心可以并行处理更多的查询任务。增加节点数量可以分担数据存储和查询负载，提升整体性能。
优化集群网络配置
- 方法：确保集群内部网络带宽充足，网络延迟低。配置合理的网络拓扑，如使用高速交换机等。
- 原理：快速的网络可以加快节点之间的数据传输，包括数据同步、查询结果返回等，减少网络等待时间，提升搜索API的响应速度。
调整ElasticSearch配置参数
- 方法：例如调整indices.memory.index_buffer_size参数，控制索引缓存的大小，根据节点内存情况合理设置该值。还可以调整thread_pool.search.size参数，设置搜索线程池的大小。
- 原理：合适的索引缓存大小可以更好地缓存索引数据，减少磁盘读取。合理的搜索线程池大小可以控制并行处理的搜索任务数量，避免资源过度竞争，提升搜索性能。

星途面试题库