Elasticsearch 缓存与集群设置详解
1. Elasticsearch 缓存概述
Elasticsearch 和大多数常见系统一样，使用各种缓存来执行更复杂的操作，或者加速从基于磁盘的 Lucene 索引中检索大量数据的性能。下面将介绍 Elasticsearch 中最常见的缓存，包括它们的用途、使用它们对性能的影响以及如何配置它们。
2. Fielddata 缓存
- 原理：Elasticsearch 使用倒排索引数据结构来快速高效地搜索文档，但对于聚合、排序或脚本使用等功能，它需要非倒排的数据结构。因此，Elasticsearch 包含一个名为 fielddata 的内存数据结构，用于将给定字段的所有值存储到内存中，以提供非常快速的基于文档的查找。
- 成本：使用 fielddata 的成本是内存和增加的垃圾回收。从 Elasticsearch 2.0 开始，每个已索引但未分析的字段默认使用 doc 值，而其他字段（如分析后的文本字段）仍然使用 fielddata。
- 大小配置：默认情况下，fielddata 缓存是无界的，这可能导致内存问题和节点故障。可以通过设置
indices.fielddata.cache.size属性来控制其大小，该属性可以是一个显式值（如 10GB）或 Elasticsearch 总内存的百分比（如 20%）。由于构建 fielddata 缓存成本较高，建议有足够的内存将所需的缓存永久保留在 Elasticsearch 内存中，但由于
