版本配置：
ES版本：6.2.4
OS内存64G。
一、参数配置：
ES jvm内存31G。
vi /etc/sysctl.conf
vm.swappiness = 1
elasticsearch.yml中，设置这个：bootstrap.mlockall：true
有条件使用更好的硬盘如ssd。
如果有多块盘，每个盘mount到一个目录，data path配置多个。
二、合理的Index Mapping：
1.特殊字段：如Boolean、IP、时间等。
2.字符串：尽量使用keyword，默认的text会被analyze。keyword最大32766字节。
3.调整refresh间隔：refresh_interval: 30s，默认的1秒会导致大量segment产生，影响性能。
4.调整translog刷新机制为异步：
"index": {
"translog": {
"flush_threshold_size": "1gb",
"sync_interval": "30s",
"durability": "async"
}
}
三、缓存参数调整：
设置elasticsearch.yml中：
thread_pool.bulk.queue_size: 1024
indices.fielddata.cache.size: 1gb
indices.queries.cache.size: 1gb
indices.memory.index_buffer_size: 15% (默认10%)
indices.memory.index_buffer_size会影响写入性能，写入的分片数更多，则需要更多的buffer。
熔断circuit-breaker调整（调低）：
indices.breaker.total.limit: 50%
indices.breaker.request.limit: 10%
indices.breaker.fielddata.limit: 10%
四、设置合理的分片数和副本数：
1.对于数据量较小（100GB以下）的index：一般设置3~5个shard
2.对于数据量较大（100GB以上）的index：一般把单个shard的数据量控制在20GB~40GB
3.对于30G内存的节点，shard数量最好控制在600个（即每1GB内存的shard数在20以内）
4.副本数：一般副本数为1，对数据可用性有高要求的，可以设置为2
五、段合并Segment Merge
1.通过_forcemerge API进行合并，减少segments数量，同时提高查询效率：
2.max_num_segments取值为：max_num_segments =（单个索引的大小G/分片数/2G）
六、时序数据：
1.合理按天、周、月、年去创建、关闭、删除索引。
2.索引太多时，索引预创建：每天定时任务把明天需要的索引先创建好。
3.从6.7版本开始kibana自带索引生命周期管理ILM（Indice Life Management）
七、查询写入：
1.使用批量请求bulk request。
2.尽量使用自动生成的ID。Elasticsearch自动生成的ID可以确保是唯一的，以避免版本查询。
3.尽量使用filter而不是query。使用filter不会计算评分score，只计算匹配。
4.如果不关心文档返回的顺序，则按_doc排序。
5.避免通配符查询。
6.不要获取太大的结果数据集，如果需要大量数据使用scroll API。
7.避免索引大的document数据，如超过100M的一条document。
参考：
https://cloud.tencent.com/developer/article/1357698
https://www.elastic.co/guide/en/elasticsearch/reference/6.2/general-recommendations.html
https://www.elastic.co/guide/en/elasticsearch/reference/6.2/tune-for-indexing-speed.html
https://www.elastic.co/guide/en/elasticsearch/reference/6.2/tune-for-disk-usage.html
https://www.elastic.co/guide/en/elasticsearch/reference/6.2/circuit-breaker.html
https://www.elastic.co/guide/en/elasticsearch/reference/6.2/modules-indices.html
https://www.elastic.co/blog/how-many-shards-should-i-have-in-my-elasticsearch-cluster