Solr调优参考-续


solr调优步骤参考

这篇blog主要以实践出发,从顶到底,从大到细的思路来进一步描述,solr优化,并且是基于横向发展来说的(管理更多core),对于纵向的(core内部、搜索核心技术)。

例如分词、queryparse、分词、实时、分布式的优化、排序等偏轻!

文章有不合理,或者错误的请及时反馈给鹰缘。

1. 最重要、最影响系统整体稳定和吞吐量(针对业务总索引布局优化)

毫无疑问数据的分区管理、扩容是入口。另外,对于长尾应用,就是大量的小搜索接入,此时管理平台是瓶颈。


参考建议1:

将数据分片,对于solr就是分多core,能细尽量细,单个solr instance上部署core。

保守数据,单coredocument数量控制在2000w以内。

真实场景:4g
memory上日常环境,单core的数据量不大,部署了34个core,没有出啥问题。真实物理机上部署过24core,单core超过6G的索引。

参考建议2:

如果可以,建索引和查询服务器独立开来,最好的方式是前后排,不行的话就弄个集中build。

前后排是最完美了,集中build在索引同步和core切换依然对线上查询有一定影响。

参考建议3:

全量索引构建和索引查询甚至可以分开优化,构建索引的引擎可以特殊调节参数,加速索引的构建。例如,并行document,单线程write
document,而多份数据同时运行,之后merger等。极端的可以采取C++ 版构建索引,前提是索引结构要一致。

参考建议4:

流式传输。索引本身就是基于segment的分片,便于增量,增量到一定程度支持merger为更大片增量。完全可以实习流式的segment级别的索引同步,要求一个可靠的传输协议。solr
目前基于commitpoint点的增量传输还可以进一步优化。

2.针对core的优化(针对单索引优化)

core的优化首先看schema的设置。

参考建议1:

schema的字段,要每个字段每个字段去细扣。

能不stored的,将stored=false。多个需要stored的,可以考虑组成新的doc,存储到数据库,索引存共同id

能合并的,合并。合并的字段,例如属性类似的,可以考虑空格分开,然后term查询。

long short int的类型,统一使用trie类型。

如果文本排序很弱,全部text类型去掉频率位置信息,索引体积、性能有一定提升

对应时间、url等类型,执行转化、压缩,减少文本和索引相

参考建议2:

单core里面分多子目录,solr里面能针对多子目录做快速定位查询的。

参考建议3:

core可以共享index目录的,可以尝试多个core,共享相同索引目录。不同core处理一类特征请求,并针对性缓存相关信息。

3.针对query优化(针对单索引读优化)

query中能简单,尽量简单。fq使用的话,一定要配置相关cache,cache命中率反应参数大小。

参考建议1:

fq尽管可以缓存,建议fq的粒度尽量大的同时能与其他query共享。fq的FastLRUcache

值在追求命中率的同时,需要平衡gc,cache大了 gc会很频繁。

对应实时索引更新的,cache建议不要开了,频繁的reopen会导致cache的频繁迁移,实际效果不好。

facet的,这个值是lucene里面用到,能开大尽量开大,对gc尤其影响明显。慎重参数值。

在准确性上,queryparse建议使用dismax,除非对排序不是特别要求,要看具体业务,可以采取boolean 查询。

优先使用dismax,次之phrasequery,再次之booleanquery。

参考建议2:

大区间、多OR、多AND等查询,需要针对性优化。优化上次尽量与solr统一,尤其是cache的统一,底层尽量往luceneAPI靠近,尽量减少IO、充分发挥cache、减少不必要的中间解析。需要兼顾相关度有时候。

参考建议3:

如果有些数据的读写非常特别,不妨领出来,单独对象处理。例如放到本地cache中。

4.针对系统配置

主要是基础环境的选择。

参考建议1:

JVM heap不是越大越好,要兼顾gc。新生代从小值开始,逐步增大到合适。让old去空间大些,perm去两值相同

在8g及以上,务必使用CMS,cms的各参数也需要微调

极端情况,可以尝试关闭swapoff

在GC配置同时,关注cache的配置,cache往往在开启后,占住大量内存。

参考建议2:

tomcat、jetty尽量使用轻量级容器。

企业级互联网架构Aliware,让您的业务能力云化:https://www.aliyun.com/aliware