ES 集群与分片配置最佳实践

从硬件选型、节点角色划分、分片策略、JVM 参数四个维度梳理 ES 集群配置最佳实践，重点解决"分片数该设多少"这个高频问题。

目录

硬件选型

磁盘

ES 最大的性能瓶颈往往是磁盘 I/O，优先解决磁盘问题。

内存

推荐配置：
  物理内存 >= 16G
  JVM Heap = 机器内存的 50%，但不超过 32G
  内存 : 磁盘 ≈ 1 : 10（经验比例）

示例：
  32G 内存 + 320G SSD → JVM 16G，OS Cache 16G，磁盘 320G

为什么 Heap 不超过 32 GB？

JVM 在 Heap ≤ 32 GB 时会启用指针压缩（Compressed OOPs），每个对象指针从 8 字节压缩为 4 字节，内存利用率更高。超过 32 GB 后指针压缩失效，反而会使实际可用内存变少。

CPU

• 数据节点需要遍历分片并做聚合，CPU 性能影响查询速度，建议 8 核以上
• 写入性能对 CPU 较为敏感，高 QPS 写入业务需要更好的 CPU

节点角色划分

核心原则：Master 节点与 Data 节点必须隔离，防止数据节点因负载过高导致 Master 不可用，进而引发整个集群崩溃。

# Master 节点配置
node.master: true
node.data: false

# Data 节点配置
node.master: false
node.data: true

分片数量规划

官方推荐规则

1. 单个分片大小：10 GB ～ 50 GB（推荐 10-30 GB）
2. 每 GB Heap 内存对应的分片数 ≤ 20 个
3. 单节点最大分片数（cluster.max_shards_per_node）默认 1000
4. 集群合理的总分片数控制在 3000 以内（不超过 6000）

分片数计算公式

主分片数 = ceil(索引总大小 / 目标单分片大小)

示例：
  预计索引大小 120 GB，目标单分片 30 GB
  → 主分片数 = ceil(120/30) = 4 个主分片

验证：
  节点内存 32G → JVM Heap 16G
  每 GB Heap 最多 20 个分片 → 16G × 20 = 320 个分片上限
  4 个主分片 + 4 个副本 = 8 个分片，远小于 320，合理

分片大小规范

分片均衡配置

防止某些节点分片过多导致流量不均：

PUT /my_index/_settings
{
  "index.routing.allocation.total_shards_per_node": 2
}

分片过多的代价

当集群总分片数过大时（如 6 万+），会出现以下问题：

根本原因：每个分片对应一个 Lucene 实例，每个 Lucene 实例都占用文件句柄、JVM 内存和 CPU，分片数过多相当于同时运行数千个 Lucene 进程。

关键索引配置

Refresh 间隔

# 实时性要求不高时，延长 refresh 间隔，减少 segment 产生频率
PUT /my_index/_settings
{
  "index.refresh_interval": "30s"
}

Translog 异步

PUT /my_index/_settings
{
  "index.translog.durability": "async",
  "index.translog.sync_interval": "5s"
}

定期强制合并只读索引

# 历史不再写入的索引，强制合并为 1 个 segment
POST /my_index/_forcemerge?max_num_segments=1

索引排序（加速特定查询）

PUT /my_index
{
  "settings": {
    "index.sort.field": "createTime",
    "index.sort.order": "desc"
  }
}

对按 createTime 降序排列的查询，命中后可以提前终止扫描（Early Termination），大幅降低查询延迟。

集群级别参数

# elasticsearch.yml

# JVM Heap（设置为机器内存的 50%，不超过 32G）
-Xms16g
-Xmx16g

# 允许每个节点的最大分片数（默认 1000）
cluster.max_shards_per_node: 1000

# 索引 buffer（写入密集型集群可适当调大）
indices.memory.index_buffer_size: 15%

# 段合并速度（SSD 可调高）
indices.store.throttle.max_bytes_per_sec: 100mb

预热文件系统缓存

PUT /my_index/_settings
{
  "index.store.preload": ["nvd", "dvd"]
}

参考资料

• Elasticsearch - Size your shards
• Elasticsearch - Node roles
• Elasticsearch - JVM heap size