好奇?!Elasticsearch 25 个必知必会的默认值

时间:2022-12-16 13:56:48


Elasticsearch 最少必要知识实战教程直播回放



题记:

技术交流群中有小伙伴提及:“es 节点默认1000 个分片的限制”?这引发了我对Elasticsearch 默认值的关注。

好奇?!Elasticsearch 25 个必知必会的默认值

我一搜不要紧:聊天记录中涉及“默认”关键词的讨论接近 400 多处。

这些默认值对于架构选型、开发实战、运维排查性能问题等都有很好的借鉴价值,虽官方文档都有详细论述,但散落在各个角度。

处于本能的好奇心,我认为非常有必要结合自己的实战经历梳理出 Elasticsearch 最常用的默认值的适用场景、参数、默认值大小、静态/动态参数类型、实战建议等知识点。

好奇?!Elasticsearch 25 个必知必会的默认值

没别的,让更多人提前建立全局(相对)认知、少走弯路。

0、参数类型以及静态和动态参数的区别?

0.1参数类型

参数类型分为:集群级别参数、索引级别、Maping级别参数等。

0.1.1集群级别参数

  • 举例1 :cluster.max_shards_per_node

前缀是:cluster.*,修改针对集群生效。

  • 举例2:indices.query.bool.max_clause_count

需要在: elasticsearch.yml 配置文件中设置,重启 ES 生效。

0.1.2 索引级别参数

  • 举例:index.number_of_shards
  • 前缀是:index.*,修改针对索引生效。

0.2 区分静态参数和动态参数

  • Elasticsearch 主分片数在索引创建之后,不可以修改(除非reindex)

index.number_of_shards 是静态参数。

  • 但副本分片数,可以动态的借助:update-index-settings API 任意调整。

index.number_of_replicas 是动态参数。

以下内容分别从:集群层面、索引层面、映射层面、其他常用逐步展开讲解。

1、ES 集群 bool 类型默认支持最大子句个数?

  • 适用场景:N 多子句的bool 组合查询,实现类似规则过滤的功能。
  • 参数:indices.query.bool.max_clause_count。
  • 参数类型:静态参数(需要在elasticsearch.yml 中设置)
  • 默认最大值:1024。
  • 限制原因:为了防止搜索子句过多而占用过多的CPU和内存,导致集群性能下降 。

​https://www.elastic.co/guide/en/elasticsearch/reference/current/search-settings.html​

2、ES 集群数据节点支持默认分片数个数?

  • 适用场景:大数据量的集群分片选型。
  • 参数:cluster.max_shards_per_node
  • 默认最大值:1000(7.X版本后)。
  • 扩展知识:(1)超大规模集群会遇到这个问题:

1)每个节点可以存储的分片数和可用的堆内存大小成正比关系。

2)Elastic 官方博客文章建议:堆内存和分片的配置比例为1:20,举例:30GB堆内存,最多可有600个分片。

​https://www.elastic.co/guide/en/elasticsearch/reference/7.0/misc-cluster.html#cluster-shard-limit​

​https://github.com/elastic/kibana/issues/35529​

(2)不合理分配可能问题:

1)分片数量过多,写入放大,导致  bulk queue打满,拒绝率上升;

2)一定数据量级后,分片数量过少,无法充分利用多节点资源,机器资源不均衡。

3、ES 集群 index_buffer 默认比例是多少?

  • 适用场景:堆内存中索引缓冲区用于存储新索引的文档。填满后,缓冲区中的文档将写入磁盘上的某个段。它在节点上的所有分片之间划分。
  • 参数:

(1) indices.memory.index_buffer_size

(2) indices.memory.min_index_buffer_size

(3) indices.memory.max_index_buffer_size

  • 参数类型:静态参数(需要在elasticsearch.yml 中设置)
  • 默认值:

(1)indices.memory.index_buffer_size: 10%

(2)indices.memory.min_index_buffer_size : 48 Mb

  • 使用建议:

(1)必须在集群中的每个数据节点上进行配置。

(2)写入优化中首选的优化参数之一,有助于提高写入性能和稳定性。

​https://www.elastic.co/guide/en/elasticsearch/reference/current/indexing-buffer.html​

4、ES 默认磁盘使用率 85% 不再支持写入数据吗?

  • 适用场景:基于磁盘分配分片的参数之一,控制磁盘的使用率低警戒水位线值。
  • 参数:cluster.routing.allocation.disk.watermark.low/high/flood_stage
  • 默认值

(1)cluster.routing.allocation.disk.watermark.low:85%

(2)cluster.routing.allocation.disk.watermark.high:90%

(3)cluster.routing.allocation.disk.watermark.flood_stage:95%

  • 参数类型:集群动态参数
  • 使用建议

(1)85%:禁止写入;90%:索引分片迁移到其他可用节点;95%:索引只读。

(2)磁盘使用率也是监控的一个核心指标之一。

5、ES 集群 默认的 gc 方式?

  • 适用场景:写入到可搜索的最小时间间隔(单位s)。
  • 默认参数:
-XX:+UseConcMarkSweepGC
-XX:CMSInitiatingOccupancyFraction=75
-XX:+UseCMSInitiatingOccupancyOnly
  • 使用建议

(1)官方建议:

目前,我们仍然认为CMS垃圾收集器是大多数部署的最佳选择,但是自ES 6.5.0(如果在JDK 11或更高版本上运行)以来,我们现在也支持G1GC。

​https://github.com/elastic/elasticsearch/issues/44321​

(2)配置位置:jvm.options, 优化参考 wood 大叔建议:更改为

-XX:+UseG1GC
-XX:MaxGCPauseMillis=50

其中 -XX:MaxGCPauseMillis 是控制预期的最高GC时长,默认值为 200ms ,如果线上业务特性对于GC停顿非常敏感,可以适当设置低一些。但是 这个值如果设置过小,可能会带来比较高的cpu消耗。

G1 对于集群正常运作的情况下减轻 G1 停顿对服务时延的影响还是很有效的,但是如果是 GC 导致集群卡死,那么很有可能换G1 也无法根本上解决问题。通常都是集群的数据模型或者 Query 需要优化。

​https://elasticsearch.cn/question/4589​

6、ES 索引默认主分片分片大小?

  • 适用场景:数据存储。
  • 参数:index.number_of_shards
  • 参数类型:静态参数。
  • 默认值:1(7.X版本,早期版本是5);单索引最大支持分片数:1024。
  • 使用建议:

(1)只能在创建索引时设置此值。

(2)单索引1024个最大分片数的限制是一项安全限制,可防止因资源分配问题导致集群不稳定。

(3)可通过在每个节点上指定export ES_JAVA_OPTS =“-Des.index.max_number_of_shards = 128”系统属性来修改此限制。

7、ES 索引默认压缩算法是?

  • 适用场景:写入数据压缩。
  • 参数:index.codec
  • 参数类型:静态参数。
  • 默认值:LZ4
  • 使用建议:

(1)可以将其设置为best_compression,它使用DEFLATE以获得更高的压缩率,但代价是存储字段的性能较慢。

(2)不追求压缩效率,追求磁盘占用比低的用户推荐 best_compression 压缩。

8、ES 索引默认副本分片数?

  • 适用场景:确保业务数据的高可用性。
  • 参数:index.number_of_replicas
  • 参数类型:动态参数
  • 默认值:1
  • 使用建议:

根据业务需要合理设置副本,基于数据安全性考虑,建议副本至少设置1。

9、ES 索引默认的刷新频率?

  • 适用场景:写入到可搜索的最小时间间隔(单位s)。
  • 参数:index.refresh_interval
  • 参数类型:动态参数。
  • 默认最小值:1s。
  • 使用建议:对于实时性要求不高且想优化写入的业务场景,建议根据业务实际调大刷新频率。

10、ES 索引 terms 默认最大支持的长度是?

  • 适用场景:Terms query。
  • 参数:index.max_terms_count
  • 参数类型:动态参数
  • 默认最大值:65536
  • 使用建议:一般不会超过此最大值。

11、ES 索引默认分页返回最大条数?

  • 适用场景:搜索的深度翻页。
  • 参数:index.max_result_window
  • 参数类型:动态参数。
  • 默认最大值:10000。
  • 使用建议:

(1)深度翻页的机制,决定了越往后越慢。除非特殊业务需求,不建议修改默认值,可以参考百度和google的实现。

(2)全部数据遍历推荐scroll API。仅支持向后翻页推荐:Search After API。

12、ES 索引默认管道有必要设置吗?

  • 适用场景:索引默认写入数据环节加上 ETL 操作。
  • 参数:index.default_pipeline
  • 参数类型:动态参数
  • 默认值:自定义管道
  • 使用建议:

(1)结合实际业务需要,一些基础需要ETL的功能建议加上。

(2)如果不加index.default_pipeline也可以,update_by_query + 自定义 pipeline 结合也能实现。不过(1)是更周全、简练的方案。

13、ES 索引 Mapping 默认支持最大字段数?

  • 使用场景:防止索引Maping 横向无限增大,导致内存泄露等异常。
  • 参数:index.mapping.total_fields.limit
  • 参数类型:动态参数
  • 默认最大值:1000
  • 使用建议;不建议修改

14、ES 索引 Mapping字段默认的最大深度?

  • 使用场景:防止索引Maping 纵向无限增大,导致异常。
  • 参数:index.mapping.depth.limit
  • 参数类型:动态参数
  • 默认最大值:20
  • 使用建议;不建议修改
  • 计算依据:例如,如果所有字段都在根对象级别定义,则深度为1。如果有一个对象映射,则深度为2,依此类推。默认值为20。

15、ES  索引 Mapping nested 默认支持大小?

  • 适用场景:nested 类型选型。
  • 参数:

(1)index.mapping.nested_fields.limit

一个索引最大支持的nested类型个数

(2)index.mapping.nested_objects.limit

一个nested类型支持的最大对象数

  • 参数类型:动态参数(已验证)
  • 默认值:

(1)index.mapping.nested_fields.limit : 50

(2)index.mapping.nested_objects.limit : 10000

  • 使用建议:

(1)nested 的可能的性能问题不容小觑。

nested本质:每个嵌套对象都被索引为一个单独的Lucene文档。如果我们为包含100个用户对象的单个文档建立索引,则将创建101个Lucene文档。

(2) nested 较 父子文档不同之处:

如果子文档频繁更新,建议使用父子文档。

如果子文档不频繁更新,查询频繁建议  nested类型。

16、ES 索引动态Mapping条件下,匹配的字符串默认匹配的是?

  • 适用场景:不提前设置Mapping精准字段的场景。
  • 默认类型:text + keyword类型。
  • 实战举例如下:
{
"my_index_0001" : {
"mappings" : {
"properties" : {
"cont" : {
"type" : "text",
"fields" : {
"keyword" : {
"type" : "keyword",
"ignore_above" : 256
}
}
}
}
}
}
}
  • 实际建议:建议结合业务需要,提前精准设置Mapping,并优化数据建模。

17、ES 默认的评分机制是?

  • 默认值:BM 25
  • 除非业务需要,否则不建议修改。https://www.elastic.co/guide/en/elasticsearch/reference/current/similarity.html

18、ES keyword类型默认支持的字符数是多少?

1)ES5.X版本以后,keyword支持的最大长度为32766个UTF-8字符,text对字符长度没有限制。

2)设置ignore_above后,超过给定长度后的数据将不被索引,无法通过term精确匹配检索返回结果。

19、为什么说,ES 默认不适用别名,不算入门ES?

一句话概括:别名可以零停机改造(经典技巧,无缝切换)。https://www.elastic.co/guide/en/elasticsearch/reference/6.8/indices-aliases.html

20、ES 集群节点默认属性值?

  • 默认:候选主节点、数据节点、Ingest节点、协调节点、机器学习节点(如果付费)的角色。
  • 建议:集群规模到达一定量级后,一定要独立设置专有的主节点、协调节点、数据节点。角色划分清楚。

​https://www.elastic.co/guide/en/elasticsearch/reference/current/modules-node.html​

21、ES客户端请求的节点默认是?

  • 如果不明确指定协调节点,默认请求的节点充当协调节点的角色。
  • 每个节点都隐式地是一个协调节点。协调节点:需要具有足够的内存和CPU才能处理收集阶段。

​https://www.elastic.co/guide/en/elasticsearch/reference/current/modules-node.html​

22、ES 默认分词器?

  • 适用场景:不明确指定分词器的场景。
  • 默认类型:analyzer 分词器。
  • 实战举例如下:
POST /_analyze
{
"text": "屹立在东方之林",
"analyzer": "standard"
}

切分结果:







  • 实战建议:_analyze API 在解决分词问题中的作用巨大!

23、ES 聚合默认UTC时间,可以修改吗?

  • 可以聚合时候修改,设置时区 time_zone即可解决。
  • "+08:00": 代表东8区。
GET my_index/_search?size=0
{
"aggs": {
"by_day": {
"date_histogram": {
"field": "date",
"calendar_interval": "day",
"time_zone": "+08:00"
}
}
}
}

24、ES 默认堆内存大小?

  • 默认值:2gB,建议一定结合实际机器环境修改。
  • ES 建议独立机器环境部署,不和其他进程:如logstash,hadoop,redis等共享机器资源。
  • JVM设置建议:min(31GB, 机器内存的一半)

25、ES JDK 什么版本开始默认自带的?

7.0 版本。7.0 版本之后开始默认捆绑了 JDK(安装包里自带JDK),因此我们可以不单独安装 JDK。

小结

没有别的,我就是好奇!

好奇?!Elasticsearch 25 个必知必会的默认值

大而全的建议参考官方文档,上述25个默认值都是死磕Elasticsearch交流群中提到的实战问题。

您的实战中有遇到默认值的困惑,欢迎留言交流。

索引(动态/静态)设置参考:

​https://www.elastic.co/guide/en/elasticsearch/reference/current/index-modules.html​

中国通过 Elastic 认证人数最多的圈子!