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：

屹
立
在
东
方
之
林
  • 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！

标签：

相关文章