elasticsearch实际总结(4)—— 查询缓存

一、参考

elasticsearch 学习系列目录——更新ing

关于 Elasticsearch 的查询缓存,你想知道的都在这里

二、Shard request cache

分片级别的查询缓存,每个分片都有自己的缓存

image.png

2.1 缓存策略

并不是所有的分片级查询都会被缓存

image.png

2.2 缓存设置

image.png

三、Node Query Cache

NodeQueryCache是在Lucene层面实现的,默认开启,ES层面会进行一些策略控制和信息统计

image.png

3.1 queryCache使用示例

3.2 缓存策略

并不是所有的filter查询都会被缓存

image.png

3.3 缓存设置

image.png

四、ShardRequestCache 和 NodeQueryCache的比较

ShardRequestCache是ES层级的实现,缓存机制为 LRU, 访问一次,就会考虑缓存,主要用途是对聚合结果进行缓存

NodeQueryCache是Lucene层级的实现,缓存机制为 LRU, 访问达到一定频率,才会考虑缓存,主要用途是对filter子查询的缓存

image.png

五、其他缓存

5.1 fielddata

对于 text类型的字段聚合查询,会使用 fielddata获取该字段的字段值,

(1) fielddata会占用大量的内存,默认是关闭
(2) text类型的聚合查询,一般没有意义,慎用

5.2 pagecache

在查询过程中,lucene文件会被操作系统的 pagecache进行缓存,

(1) pagecache使用类似LRU的策略缓存文件
(2) pagecache完全由操作系统控制

六、监控缓存

缓存的监控指标,通常关注:(1) 缓存空间的大小;(2)缓存命中率
下面分为 节点和索引级别进行分析

6.1 节点级别监控

(1) requestCache

# 通过 hitCount / (hitCount + missCount) 可以计算命中率
GET /_cat/nodes?v&h=name,queryCacheMemory,fielddataMemory,requestCacheMemory,requestCacheHitCount,requestCacheMissCount

name           queryCacheMemory fielddataMemory requestCacheMemory requestCacheHitCount requestCacheMissCount
es-0001            2.9gb          16.8mb            304.5mb              1138314               1084754
es-0002            2.2gb           5.2mb            242.6mb               789616                985675
es-0003          757.6mb           250kb              264mb               597872                641255

(2) queryCache

GET _nodes/stats/indices/query_cache,request_cache,fielddata?pretty&human

   "indices" : {
        "query_cache" : {
          "memory_size" : "2.8mb",
          "memory_size_in_bytes" : 2969952,
          "total_count" : 1572593,
          "hit_count" : 217873,
          "miss_count" : 1354720,
          "cache_size" : 891,
          "cache_count" : 5066,
          "evictions" : 4175
        },
        "fielddata" : {
          "memory_size" : "264.8kb",
          "memory_size_in_bytes" : 271168,
          "evictions" : 0
        },
        "request_cache" : {
          "memory_size" : "8.2mb",
          "memory_size_in_bytes" : 8603352,
          "evictions" : 0,
          "hit_count" : 107345,
          "miss_count" : 26116
        }
      }

6.2 索引级别的监控

GET kibana_sample_data_logs/_stats/query_cache,fielddata,request_cache?pretty&human

      "total" : {
        "query_cache" : {
          "memory_size" : "0b",
          "memory_size_in_bytes" : 0,
          "total_count" : 0,
          "hit_count" : 0,
          "miss_count" : 0,
          "cache_size" : 0,
          "cache_count" : 0,
          "evictions" : 0
        },
        "fielddata" : {
          "memory_size" : "512.3kb",
          "memory_size_in_bytes" : 524696,
          "evictions" : 0
        },
        "request_cache" : {
          "memory_size" : "64.2kb",
          "memory_size_in_bytes" : 65808,
          "evictions" : 0,
          "hit_count" : 0,
          "miss_count" : 16
        }
      }

七、手动清除缓存

不建议在生产环境中进行手动清除缓存,

(1) 因为手动清除会对查询性能有较大的影响,

(2) 一般手动清除只用于测试和验证

7.1 清除指定索引或者全部索引的缓存

POST _cache/clear

POST kibana_sample_data_logs/_cache/clear

7.2 清除指定类型的缓存

POST _cache/clear?query=true
POST _cache/clear?request=true
POST _cache/clear?fielddata=true

POST kibana_sample_data_logs/_cache/clear?query=true
POST kibana_sample_data_logs/_cache/clear?request=true
POST kibana_sample_data_logs/_cache/clear?fielddata=true

7.3 清除部分字段的缓存

POST kibana_sample_data_logs/_cache/clear?fields=clientip,geo

评论

暂无评论