面試題

es 在數(shù)據(jù)量很大的情況下（數(shù)十億級(jí)別）如何提高查詢效率?。?/p>

面試官心理分析

這個(gè)問(wèn)題是肯定要問(wèn)的，說(shuō)白了，就是看你有沒有實(shí)際干過(guò) es，因?yàn)樯?？其?shí) es 性能并沒有你想象中那么好的。很多時(shí)候數(shù)據(jù)量大了，特別是有幾億條數(shù)據(jù)的時(shí)候，可能你會(huì)懵逼的發(fā)現(xiàn)，跑個(gè)搜索怎么一下 5~10s，坑爹了。第一次搜索的時(shí)候，是5~10s，后面反而就快了，可能就幾百毫秒。

你就很懵，每個(gè)用戶第一次訪問(wèn)都會(huì)比較慢，比較卡么？所以你要是沒玩兒過(guò) es，或者就是自己玩玩兒 demo，被問(wèn)到這個(gè)問(wèn)題容易懵逼，顯示出你對(duì) es 確實(shí)玩兒的不怎么樣？

面試題剖析

說(shuō)實(shí)話，es 性能優(yōu)化是沒有什么銀彈的，啥意思呢？就是不要期待著隨手調(diào)一個(gè)參數(shù)，就可以萬(wàn)能的應(yīng)對(duì)所有的性能慢的場(chǎng)景。也許有的場(chǎng)景是你換個(gè)參數(shù)，或者調(diào)整一下語(yǔ)法，就可以搞定，但是絕對(duì)不是所有場(chǎng)景都可以這樣。

性能優(yōu)化的殺手锏——filesystem cache

你往 es 里寫的數(shù)據(jù)，實(shí)際上都寫到磁盤文件里去了，查詢的時(shí)候，操作系統(tǒng)會(huì)將磁盤文件里的數(shù)據(jù)自動(dòng)緩存到filesystem cache里面去。

es 的搜索引擎嚴(yán)重依賴于底層的filesystem cache，你如果給 filesystem cache 更多的內(nèi)存，盡量讓內(nèi)存可以容納所有的idx segment file 索引數(shù)據(jù)文件，那么你搜索的時(shí)候就基本都是走內(nèi)存的，性能會(huì)非常高。

性能差距究竟可以有多大？我們之前很多的測(cè)試和壓測(cè)，如果走磁盤一般肯定上秒，搜索性能絕對(duì)是秒級(jí)別的，1秒、5秒、10秒。但如果是走 filesystem cache，是走純內(nèi)存的，那么一般來(lái)說(shuō)性能比走磁盤要高一個(gè)數(shù)量級(jí)，基本上就是毫秒級(jí)的，從幾毫秒到幾百毫秒不等。

這里有個(gè)真實(shí)的案例。某個(gè)公司 es 節(jié)點(diǎn)有 3 臺(tái)機(jī)器，每臺(tái)機(jī)器看起來(lái)內(nèi)存很多，64G，總內(nèi)存就是64 * 3 = 192G。每臺(tái)機(jī)器給es jvm heap 是 32G，那么剩下來(lái)留給 filesystem cache 的就是每臺(tái)機(jī)器才 32G，總共集群里給filesystem cache 的就是32 * 3 = 96G內(nèi)存。而此時(shí)，整個(gè)磁盤上索引數(shù)據(jù)文件，在 3 臺(tái)機(jī)器上一共占用了 1T 的磁盤容量，es 數(shù)據(jù)量是 1T，那么每臺(tái)機(jī)器的數(shù)據(jù)量是 300G。這樣性能好嗎？filesystem cache的內(nèi)存才 100G，十分之一的數(shù)據(jù)可以放內(nèi)存，其他的都在磁盤，然后你執(zhí)行搜索操作，大部分操作都是走磁盤，性能肯定差。

歸根結(jié)底，你要讓 es 性能要好，最佳的情況下，就是你的機(jī)器的內(nèi)存，至少可以容納你的總數(shù)據(jù)量的一半。

根據(jù)我們自己的生產(chǎn)環(huán)境實(shí)踐經(jīng)驗(yàn)，最佳的情況下，是僅僅在 es 中就存少量的數(shù)據(jù)，就是你要用來(lái)搜索的那些索引，如果內(nèi)存留給 filesystem cache 的是 100G，那么你就將索引數(shù)據(jù)控制在 100G 以內(nèi)，這樣的話，你的數(shù)據(jù)幾乎全部走內(nèi)存來(lái)搜索，性能非常之高，一般可以在 1 秒以內(nèi)。

比如說(shuō)你現(xiàn)在有一行數(shù)據(jù)。id,name,age …. 30 個(gè)字段。但是你現(xiàn)在搜索，只需要根據(jù) id,name,age 三個(gè)字段來(lái)搜索。如果你傻乎乎往 es 里寫入一行數(shù)據(jù)所有的字段，就會(huì)導(dǎo)致說(shuō) 90% 的數(shù)據(jù)是不用來(lái)搜索的，結(jié)果硬是占據(jù)了 es 機(jī)器上的 filesystem cache 的空間，單條數(shù)據(jù)的數(shù)據(jù)量越大，就會(huì)導(dǎo)致 filesystem cahce 能緩存的數(shù)據(jù)就越少。其實(shí)，僅僅寫入 es 中要用來(lái)檢索的少數(shù)幾個(gè)字段就可以了，比如說(shuō)就寫入 es id,name,age 三個(gè)字段，然后你可以把其他的字段數(shù)據(jù)存在 mysql/hbase 里，我們一般是建議用 es + hbase 這么一個(gè)架構(gòu)。

hbase 的特點(diǎn)是適用于海量數(shù)據(jù)的在線存儲(chǔ)，就是對(duì) hbase 可以寫入海量數(shù)據(jù)，但是不要做復(fù)雜的搜索，做很簡(jiǎn)單的一些根據(jù) id 或者范圍進(jìn)行查詢的這么一個(gè)操作就可以了。從 es 中根據(jù) name 和 age 去搜索，拿到的結(jié)果可能就 20 個(gè) doc id，然后根據(jù) doc id 到 hbase 里去查詢每個(gè) doc id 對(duì)應(yīng)的完整的數(shù)據(jù)，給查出來(lái)，再返回給前端。

寫入 es 的數(shù)據(jù)最好小于等于，或者是略微大于 es 的 filesystem cache 的內(nèi)存容量。然后你從 es 檢索可能就花費(fèi) 20ms，然后再根據(jù) es 返回的 id 去 hbase 里查詢，查 20 條數(shù)據(jù)，可能也就耗費(fèi)個(gè) 30ms，可能你原來(lái)那么玩兒，1T 數(shù)據(jù)都放 es，會(huì)每次查詢都是 5~10s，現(xiàn)在可能性能就會(huì)很高，每次查詢就是 50ms。

數(shù)據(jù)預(yù)熱

假如說(shuō)，哪怕是你就按照上述的方案去做了，es 集群中每個(gè)機(jī)器寫入的數(shù)據(jù)量還是超過(guò)了filesystem cache 一倍，比如說(shuō)你寫入一臺(tái)機(jī)器 60G 數(shù)據(jù)，結(jié)果filesystem cache 就 30G，還是有 30G 數(shù)據(jù)留在了磁盤上。

其實(shí)可以做數(shù)據(jù)預(yù)熱。

舉個(gè)例子，拿微博來(lái)說(shuō)，你可以把一些大V，平時(shí)看的人很多的數(shù)據(jù)，你自己提前后臺(tái)搞個(gè)系統(tǒng)，每隔一會(huì)兒，自己的后臺(tái)系統(tǒng)去搜索一下熱數(shù)據(jù)，刷到filesystem cache 里去，后面用戶實(shí)際上來(lái)看這個(gè)熱數(shù)據(jù)的時(shí)候，他們就是直接從內(nèi)存里搜索了，很快。

或者是電商，你可以將平時(shí)查看最多的一些商品，比如說(shuō) iphone 8，熱數(shù)據(jù)提前后臺(tái)搞個(gè)程序，每隔 1 分鐘自己主動(dòng)訪問(wèn)一次，刷到 filesystem cache 里去。

對(duì)于那些你覺得比較熱的、經(jīng)常會(huì)有人訪問(wèn)的數(shù)據(jù)，最好做一個(gè)專門的緩存預(yù)熱子系統(tǒng)，就是對(duì)熱數(shù)據(jù)每隔一段時(shí)間，就提前訪問(wèn)一下，讓數(shù)據(jù)進(jìn)入 filesystem cache 里面去。這樣下次別人訪問(wèn)的時(shí)候，性能一定會(huì)好很多。

冷熱分離

es 可以做類似于 mysql 的水平拆分，就是說(shuō)將大量的訪問(wèn)很少、頻率很低的數(shù)據(jù)，單獨(dú)寫一個(gè)索引，然后將訪問(wèn)很頻繁的熱數(shù)據(jù)單獨(dú)寫一個(gè)索引。最好是將冷數(shù)據(jù)寫入一個(gè)索引中，然后熱數(shù)據(jù)寫入另外一個(gè)索引中，這樣可以確保熱數(shù)據(jù)在被預(yù)熱之后，盡量都讓他們留
在 filesystem os cache 里，別讓冷數(shù)據(jù)給沖刷掉。

你看，假設(shè)你有 6 臺(tái)機(jī)器，2 個(gè)索引，一個(gè)放冷數(shù)據(jù)，一個(gè)放熱數(shù)據(jù)，每個(gè)索引 3 個(gè) shard。3 臺(tái)機(jī)器放熱數(shù)據(jù) index，另外 3 臺(tái)機(jī)器放冷數(shù)據(jù) index。然后這樣的話，你大量的時(shí)間是在訪問(wèn)熱數(shù)據(jù) index，熱數(shù)據(jù)可能就占總數(shù)據(jù)量的 10%，此時(shí)數(shù)據(jù)量很少，幾乎全都保留在 filesystem cache 里面了，就可以確保熱數(shù)據(jù)的訪問(wèn)性能是很高的。但是對(duì)于冷數(shù)據(jù)而言，是在別的 index 里的，跟熱數(shù)據(jù) index 不在相同的機(jī)器上，大家互相之間都沒什么聯(lián)系了。如果有人訪問(wèn)冷數(shù)據(jù)，可能大量數(shù)據(jù)是在磁盤上的，此時(shí)性能差點(diǎn)，就 10% 的人去訪問(wèn)冷數(shù)據(jù)，90% 的人在訪問(wèn)熱數(shù)據(jù)，也無(wú)所謂了。

Document 模型設(shè)計(jì)

對(duì)于 MySQL，我們經(jīng)常有一些復(fù)雜的關(guān)聯(lián)查詢。在 es 里該怎么玩兒，es 里面的復(fù)雜的關(guān)聯(lián)查詢盡量別用，一旦用了性能一般都不太好。

最好是先在 Java 系統(tǒng)里就完成關(guān)聯(lián)，將關(guān)聯(lián)好的數(shù)據(jù)直接寫入 es 中。搜索的時(shí)候，就不需要利用 es 的搜索語(yǔ)法來(lái)完成 join 之類的關(guān)聯(lián)搜索了。

document 模型設(shè)計(jì)是非常重要的，很多操作，不要在搜索的時(shí)候才想去執(zhí)行各種復(fù)雜的亂七八糟的操作。es 能支持的操作就那么多，不要考慮用 es 做一些它不好操作的事情。如果真的有那種操作，盡量在 document 模型設(shè)計(jì)的時(shí)候，寫入的時(shí)候就完成。另外對(duì)于一些太復(fù)雜的操作，比如join/nested/parent-child 搜索都要盡量避免，性能都很差的。

分頁(yè)性能優(yōu)化

es 的分頁(yè)是較坑的，為啥呢？舉個(gè)例子吧，假如你每頁(yè)是 10 條數(shù)據(jù)，你現(xiàn)在要查詢第 100 頁(yè)，實(shí)際上是會(huì)把每個(gè) shard 上存儲(chǔ)的前 1000 條數(shù)據(jù)都查到一個(gè)協(xié)調(diào)節(jié)點(diǎn)上，如果你有個(gè) 5 個(gè) shard，那么就有 5000 條數(shù)據(jù)，接著協(xié)調(diào)節(jié)點(diǎn)對(duì)這 5000 條數(shù)據(jù)進(jìn)行一些合并、處理，再獲取到最終第 100 頁(yè)的 10 條數(shù)據(jù)。

分布式的，你要查第 100 頁(yè)的 10 條數(shù)據(jù)，不可能說(shuō)從 5 個(gè) shard，每個(gè) shard 就查 2 條數(shù)據(jù)，最后到協(xié)調(diào)節(jié)點(diǎn)合并成 10 條數(shù)據(jù)吧？你必須得從每個(gè) shard 都查 1000 條數(shù)據(jù)過(guò)來(lái)，然后根據(jù)你的需求進(jìn)行排序、篩選等等操作，最后再次分頁(yè)，拿到里面第 100 頁(yè)的數(shù)據(jù)。你翻頁(yè)的時(shí)候，翻的越深，每個(gè) shard 返回的數(shù)據(jù)就越多，而且協(xié)調(diào)節(jié)點(diǎn)處理的時(shí)間越長(zhǎng)，非?？拥Ｋ杂?es 做分頁(yè)的時(shí)候，你會(huì)發(fā)現(xiàn)越翻到后面，就越是慢。

我們之前也是遇到過(guò)這個(gè)問(wèn)題，用 es 作分頁(yè)，前幾頁(yè)就幾十毫秒，翻到 10 頁(yè)或者幾十頁(yè)的時(shí)候，基本上就要 5~10 秒才能查出來(lái)一頁(yè)數(shù)據(jù)了。

有什么解決方案嗎？

不允許深度分頁(yè)（默認(rèn)深度分頁(yè)性能很差）

跟產(chǎn)品經(jīng)理說(shuō)，你系統(tǒng)不允許翻那么深的頁(yè)，默認(rèn)翻的越深，性能就越差。

類似于 app 里的推薦商品不斷下拉出來(lái)一頁(yè)一頁(yè)的

類似于微博中，下拉刷微博，刷出來(lái)一頁(yè)一頁(yè)的，你可以用scroll api，關(guān)于如何使用，自行上網(wǎng)搜索。

scroll 會(huì)一次性給你生成所有數(shù)據(jù)的一個(gè)快照，然后每次滑動(dòng)向后翻頁(yè)就是通過(guò)游標(biāo) scroll_id 移動(dòng)，獲取下一頁(yè)下一頁(yè)這樣子，性能會(huì)比上面說(shuō)的那種分頁(yè)性能要高很多很多，基本上都是毫秒級(jí)的。

但是，唯一的一點(diǎn)就是，這個(gè)適合于那種類似微博下拉翻頁(yè)的，不能隨意跳到任何一頁(yè)的場(chǎng)景。也就是說(shuō)，你不能先進(jìn)入第 10 頁(yè)，然后去第 120 頁(yè)，然后又回到第 58 頁(yè)，不能隨意亂跳頁(yè)。所以現(xiàn)在很多產(chǎn)品，都是不允許你隨意翻頁(yè)的，app，也有一些網(wǎng)站，做的就是你只能往下拉，一頁(yè)一頁(yè)的翻。

初始化時(shí)必須指定 scroll參數(shù)，告訴 es 要保存此次搜索的上下文多長(zhǎng)時(shí)間。你需要確保用戶不會(huì)持續(xù)不斷翻頁(yè)翻幾個(gè)小時(shí)，否則可能因?yàn)槌瑫r(shí)而失敗。

除了用scroll api，你也可以用search_after 來(lái)做，search_after 的思想是使用前一頁(yè)的結(jié)果來(lái)幫助檢索下一頁(yè)的數(shù)據(jù)，顯然，這種方式也不允許你隨意翻頁(yè)，你只能一頁(yè)頁(yè)往后翻。初始化時(shí)，需要使用一個(gè)唯一值的字段作為 sort 字段。

特別推薦一個(gè)分享架構(gòu)+算法的優(yōu)質(zhì)內(nèi)容，還沒關(guān)注的小伙伴，可以長(zhǎng)按關(guān)注一下：

長(zhǎng)按訂閱更多精彩▼
如有收獲，點(diǎn)個(gè)在看，誠(chéng)摯感謝