Elasticsearch 性能优化与监控指南
1. 并行查询
很多时候，人们会忽略查询并行化的需求。假设集群中有十几个节点，但索引仅由一个分片构成。若索引规模庞大，查询性能将远低于预期。即便增加副本数量，也无济于事，因为单个查询仍会指向该索引的单个分片，副本不过是主分片的复制，包含相同数据。不仅单分片索引存在此问题，若分片数量虽多但每个分片都很大，同样会有性能问题。毕竟，查询速度取决于最慢的部分查询响应。
不过，是否进行并行化还需结合具体用例。若向 Elasticsearch 发起大量查询，且分片足够小、未出现分片级别的问题，或许无需并行化查询。一般而言，可查看 Elasticsearch 节点是否有未使用的 CPU 核心，若有，则存在优化和并行化的空间。
2. 字段数据缓存与熔断机制
为避免内存溢出错误，可调整两个因素。一是限制字段数据缓存的大小，二是配置熔断机制，使其在数据加载过多时抛出异常，而非继续加载。合理配置这两项，可有效避免内存问题。即便大量使用文档值，仍可能遭遇内存问题，例如分析字段无法使用文档值，需使用字段数据缓存，此时就需正确配置字段数据缓存和熔断机制。
3. 控制大小和分片大小
处理使用聚合的查询时，可利用size和shard_size两个属性。size参数决定最终聚合结果应返回的桶数量，聚合最终结果的节点会从每个返回结果的分片中获取前几个桶，仅将前size个桶返回给客户端。shard_size参数在分片级别起到类似作用。增
