一、Segment Memory

詞典的前綴索引(Term Index)，具體概念參考相關文檔。
別小看只是前綴的索引，如果索引庫多，數據量大，每個節點達到10G不稀奇，node沒節點heap內存才設置了32G啊。 :joy:

查看方法
_cat/segments
_cat/segments?v&h=index,shard,segment,size,size.memory
_cat/nodes?v&h=ip,port,sm,heap.*

解決方法
刪除不用的索引。

關閉索引 （文件仍然存在于磁盤，只是釋放掉內存）。需要的時候可以重新打開。

定期對不再更新的索引做optimize (ES2.0以后更改為force merge api)。這Optimze的實質是對segment file強制做合并，可以節省大量的segment memory。

二、Filter Cache

查詢緩存，查詢次數多了，改緩存消耗的內存也是大數字了，可以通過query-max等參數限制。

查看方法：

_nodes/d28-84/stats/indices/query_cache

解決方法：

$ curl -XPOST ‘http://localhost:9200/clientlog-201607,clientlog-201606/_cache/clear’

/kimchy,elasticsearch/_cache/clear?request_cache=true

三、Field Data cache

indices.breaker.fielddata.limit indices.fielddata.cache.size 等參數可以限制

1.解決方法：
啟用Doc Values,禁用_all

2.查看方法：

/_stats/fielddata/ # Indices Stat curl -XGET 'http://localhost:9200/_stats/fielddata/?fields=field1,field2&pretty'# You can use wildcards for field names curl -XGET 'http://localhost:9200/_stats/fielddata/?fields=field*&pretty'

es 2.x后，默認都是docvalue，改問題越來越好解決了，不然lucene的field data cache也是很驚人的大，偶是很少用field data cache的。

四、Bulk Queue

批量寫入數據bulk的時候隊列中保存的數據占用的內存。
別小看這里的數據量，如果隊列1000個。每個bulk 4092行，每行10k這樣占用的內存也超級驚人啊。

1、查看方法
/_cat/thread_pool?v&h=host,bulk.*
threadpool:
bulk:
type: fixed
size: 60
queue_size: 1000
2、解決方法：
設置隊列小一點，forcemerge寫入數據。
本工程的隊列值可以控制寫入數據，減少隊列數據。

五、Indexing Buffer

Indexing Buffer是用來緩存新數據，當其滿了或者refresh/flush interval到了，就會以segment file的形式寫入到磁盤。
indices.memory.index_buffer_size
Accepts either a percentage or a byte size value. It defaults to 10%, meaning that 10% of the total heap allocated to a node will be used as the indexing buffer size.
indices.memory.min_index_buffer_size
If the index_buffer_size is specified as a percentage, then this setting can be used to specify an absolute minimum. Defaults to 48mb.
indices.memory.max_index_buffer_size
If the index_buffer_size is specified as a percentage, then this setting can be used to specify an absolute maximum. Defaults to unbounded.
indices.memory.min_shard_index_buffer_size
Sets a hard lower limit for the memory allocated per shard for its own indexing buffer. Defaults to 4mb

六、超大搜索聚合結果集的fetch

1、常用或者必用查詢字段作route,數據在不同node分布均勻；
2、對超時間查詢請求作分析，增加wrapper作屏蔽, 判斷slow log顯示的查詢;
3、預處理數據，高并發常用查詢使用預處理索引庫（最佳方式）；
4、將實時ad-hoc請求適用spark+es合并執行方式處理（es-hadoop spark）。

總結

以上是生活随笔為你收集整理的es 主要内存使用大户的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。