-
filesystem cache
-
數據預熱
-
冷熱分離
-
document 模型設計
-
分頁性能優化
1、filesystem cache
往 es 里寫的數據，實際上都寫到磁盤文件里去了，**查詢的時候**，操作系統會將磁盤文件里的數據自動緩存到 `filesystem cache` 里面去
es 的搜索引擎嚴重依賴於底層的 `filesystem cache`，你如果給 `filesystem cache` 更多的內存，盡量讓內存可以容納所有的 `idx segment file ` 索引數據文件，那么你搜索的時候就基本都是走內存的，性能會非常高。
歸根結底，要讓 es 性能要好，最佳的情況下，就是你的機器的內存，至少可以容納你的總數據量的一半。
比如說現在有一行數據。`id,name,age ....` 30 個字段。但是現在搜索，只需要根據 `id,name,age` 三個字段來搜索。僅僅寫入 es 中要用來檢索的**少數幾個字段**就可以了，比如說就寫入 es `id,name,age` 三個字段，然后你可以把其他的字段數據存在 mysql/hbase 里，一般是建議用 `es + hbase` 這么一個架構。
hbase 的特點是**適用於海量數據的在線存儲**，就是對 hbase 可以寫入海量數據，但是不要做復雜的搜索，做很簡單的一些根據 id 或者范圍進行查詢的這么一個操作就可以了。從 es 中根據 name 和 age 去搜索，拿到的結果可能就 20 個 `doc id`，然后根據 `doc id` 到 hbase 里去查詢每個 `doc id` 對應的**完整的數據**，給查出來，再返回給前端。
寫入 es 的數據最好小於等於，或者是略微大於 es 的 filesystem cache 的內存容量。然后你從 es 檢索可能就花費 20ms，然后再根據 es 返回的 id 去 hbase 里查詢，查 20 條數據，可能也就耗費個 30ms
2、數據預熱
假如說，哪怕是你就按照上述的方案去做了，es 集群中每個機器寫入的數據量還是超過了 `filesystem cache` 一倍，比如說你寫入一台機器 60G 數據，結果 `filesystem cache` 就 30G，還是有 30G 數據留在了磁盤上。
其實可以做**數據預熱**。
可以將平時查看最多的一些商品，比如說 iphone 8，熱數據提前后台搞個程序，每隔 1 分鍾自己主動訪問一次，刷到 `filesystem cache` 里去。
對於那些你覺得比較熱的、經常會有人訪問的數據，最好**做一個專門的緩存預熱子系統**，就是對熱數據每隔一段時間，就提前訪問一下，讓數據進入 `filesystem cache` 里面去。這樣下次別人訪問的時候，性能一定會好很多。
冷熱分離