这是我参与11月更文挑战的第25天，活动详情查看：2021最后一次更文挑战
写优化
副本数量0
集群首次灌入数据， 副本数设置为0， 写入完毕再调整回去， 副本分片只需要拷贝，节省了索引过程
PUT /my_index/_settings
{
"number_of_replicas": 0
}
自动生成doc ID
如果外部指定ID，ES会尝试读取原来doc的版本号，判断是否需要更新，这会设计读取磁盘操作，自动生成doc ID 可以避免这个环节
合理设置mappings
- 将不需要建立索引的字段index属性设置为not_analyzed或no, 对字段不分词或者不索引，可以减少很多运算操作，降低CPU占用，尤其是binary类型在默认情况下占用CPU很高
- 减少字段内容长度，如果原始数据的大段内容无需全部建立索引，尽量减少不必要的内容
- 使用不同的分析器， 不同分析器在索引过程中运算复杂度有很大差异。
调整_source字段
_ source字段用于存储doc原始数据，对于部分不需要存储的字段，通过includes excludes过滤, 或者将_ source禁用，一般用于索引和数据分离，可以降低I/O压力。
对analyzed的字段禁用norms
Norms用于在搜索时禁用doc的评分， 不需要评分就禁用
调整索引的刷新时间
参数缺省是1秒，强制每秒创建一个segment, 从而保证写入数据近实时可见，可被搜索到，调整到20，降低了刷新的次数，资源会释放给index操作使用。
批处理
尽量使用bulk处理
Document路由处理
默认的routing是id, 可以在发送请求的时候手动指定一个routing value, 比如user_id。 但是线程数降低了， 单批处理耗时增加， 延长数据不见的时间
读优化
数据分组
开始只建立一个index,数据量增大，扩容增加index的shard数。shards增大时，要搜索的shards个数也显著上升， 基于数据分组的思路，可以基于client进行数据分组，每个client值依赖自己的index数据shards进行搜索。
Filter替代Query
Filter没有打分环节，理论上更快， 如果搜索不需要打分，直接使用Filter，如果部分需要打分， 使用bool查询。
ID 定义为keyword
keyword会被优化，方便terms查询，数字类型改成keyword也被优化成range类型搜索，搜索性能提升大约30%
限制输入
防止用户无约束的查询语句拖累ES集群的查询性能，对keywords进行限制
