网站建设网站建设,购买网站服务如何做支出,dedecms电影网站模板,平面设计主要学什么哪些软件一、前言
上篇文章我们学习了ES的搜索辅助功能的一部分–分别是指定搜索返回的字段#xff0c;搜索结果计数#xff0c;分页#xff0c;那么本次我们来学习一下ES的性能分析相关功能。
二、ES性能分析
在使用ES的过程中#xff0c;有的搜索请求的响应比较慢#xff0c;…一、前言
上篇文章我们学习了ES的搜索辅助功能的一部分–分别是指定搜索返回的字段搜索结果计数分页那么本次我们来学习一下ES的性能分析相关功能。
二、ES性能分析
在使用ES的过程中有的搜索请求的响应比较慢大部分原因的是DSL的执行逻辑有问题。ES提供了profile功能该功能详细地列出例如了搜索时每一个步骤的耗时可以帮助用户对DSL的性能进行剖析。以下将开启profilefile功能
GET /hotel/_search
{profile:true,query: {match: {amenities: 充电}}
}执行以上DSL后ES返回了一段比较冗长的信息下面是省略一些信息的返回数据
{took : 11,timed_out : false,_shards : {...},hits : {...},profile : {shards : [{id : [ER773I31Sx-wJuJwJCh7Ng][hotel][0],searches : [{query : [{ //在amenities搜索充电,被ES拆分成两个子查询type : BooleanQuery,description : amenities:充 amenities:电,time_in_nanos : 2365600, //match搜索的总耗时breakdown : {set_min_competitive_score_count : 0,match_count : 4, //命中的文档个数shallow_advance_count : 0,set_min_competitive_score : 0,next_doc : 22200,match : 4600,next_doc_count : 8,score_count : 4, //打分的文档个数compute_max_score_count : 0,compute_max_score : 0,advance : 77800,advance_count : 1,score : 15600,build_scorer_count : 2,create_weight : 289900,shallow_advance : 0,create_weight_count : 1,build_scorer : 1955500},children : [ //子查询{ //子查询amenities:充type : TermQuery,description : amenities:充,time_in_nanos : 125800, //耗时breakdown : {...}},{ //子查询amenities:电type : TermQuery,description : amenities:电,time_in_nanos : 29000,breakdown : {...}]}],rewrite_time : 16500,collector : [ //ES手机数据性能剖析{name : SimpleTopScoreDocCollector,reason : search_top_hits,time_in_nanos : 31900 //ES收集数据的耗时}]}],aggregations : [ ] //聚合性能剖析本次搜索无聚合因此数据为空}]}
}
如上所示在带有profile的返回信息中除了包含搜索结果外还包含profile子句在该子句中展示了搜索过程中各个环节的名称及耗时情况。需要注意的是使用profile功能是有资源损耗的建议用户只在前期调试的时候使用该功能在生产中不要开启profile功能。 在java客户端中我们可以通过SearchSourceBuilder.profile(true)开启profile性能分析。 因为一个搜索可能会跨越多个分片所以使用shards数组放在profile子句中。每个shard子句中包含3个元素分别是id、searches和aggregations。
id表示分片的唯一标识它的组成形式为[nodeID][indexName][shardID].searches以数组的形式存在因为有的搜索请求会跨多个索引进行搜索。每一个search子元素即为在同一个索引中的子查询此处不仅返回了该search子元素耗时为2365600ns的信息而且还返回了搜索充电的详细策略即被拆分成amenities:充和amenities:电两个子查询。同理children子元素给出了amenities:充和amenities:电的耗时和详细搜索步骤的耗时此处不再赘述。aggregations只有在进行聚合运算时才有内容这个之后学习聚合的时候会再次提及
上面只是一个很简单的例子如果查询比较复杂或者命中的分片比较多profile返回的信息将特别冗长。在这种情况下用户进行性能剖析的效率将非常低。为此Kibana提供了可视化的profile功能该功能建立在ES的profile功能基础上。在Kibana的DEV Tools界面中单击Search Profiler链接就可以使用可视化的profile了输入刚才在控制台输入的DSL其区域布局如下图
三、ES评分分析
在使用搜索引擎时一般都会涉及排序功能如果用户不指定按照某个字段进行升序或者降序排列那么ES会使用自己的打分算法对文档进行排序。有时我们需要知道某个文档的具体的打分详情以便于对搜索DSL问题进行排查。ES提供了explain功能来帮助使用者查看搜索时的匹配详情。explain的使用形式如下
GET /${index_name}/_explain/${doc_id}
{query: {...}
}以下示例为按照标题进行搜索的explain查询请求
GET /hotel/_explain/002
{query: {match: {amenities: 充电}}
}
执行上述explain查询请求后ES返回信息如下
{_index : hotel,_type : _doc,_id : 002,matched : true,explanation : { //amenities: 充电被拆分成两个子查询value : 0.56802404,description : sum of:,details : [{ //子查询amenities: 充的具体匹配过程value : 0.28401202, description : weight(amenities:充 in 6) [PerFieldSimilarity], result of:,details : [{value : 0.28401202, //子查询amenities: 充的匹配得分description : score(freq1.0), computed as boost * idf * tf from:,details : [...,...,...]}]},{ //子查询amenities: 电的具体匹配过程value : 0.28401202,description : weight(amenities:电 in 6) [PerFieldSimilarity], result of:,details : [{ value : 0.28401202, //子查询amenities: 电的匹配得分description : score(freq1.0), computed as boost * idf * tf from:,details : [...,...,...]}]}]}]}
}
上面的内容将返回结果省略了可以看到explain返回的信息比较全面关于每一项内容在之后的篇章中会进行讲解。 另外如果一个文档和查询不匹配explain也会直接将返回信息告知用户具体如下
{_index : hotel, //搜索的索引_type : _doc,_id : 002,matched : false, //没有命中的文档explanation : {value : 0.0,description : no matching term,details : [ ] //命中的文档集合为空}
}
