1，ES的优化：

优化以下几个方面进行入手：

• 硬件层面：
  • 因为ES的所有的索引和数据都是存储在磁盘上面的；因此，当你的服务器磁盘性能越好，那么IO流的速度越快也就意味着查询性能更好，因此使用高性能的SSD能在根本上提升ES的性能；
  • ES的储存结构是：内存加硬盘，在内存中是存放热数据，因此在第一次上线的时候呢，可以将项目的一些热点数据先行加载到内存里面，实现热数据预加载；
  • 使用多块磁盘，并运行ES通过path.data的目录配置设置数据条带化分配到磁盘上面；
  • 不要使用远程的挂载存储，否则可能会因为带宽的影响导致延迟，降低了不必要的性能；
• 分片策略：
  • 在集群中的分片尽可能地合理，但是具体要分多少片，还是得通过测试得出；总的来说，每个分片的磁盘占用量不应该超过ES的最大JVM堆内存空间的设置（一般不要设置超过32g，java语言的特性）；
  • 合理分配节点node的数量，一般分片数不应该超过节点数的3倍，比如说：3个节点node，那么最大的分片数就是9个；因为当分片数量过多的时候，一旦节点故障，会存在过多的节点，可能会导致数据的丢失；
• 写入速度的优化：
  • 在ES中有提供Bulk API来对批量数据的导入优化，要导入大量的数据的时候，尽可能使用bulk来进行批量写入；
  • 减少Refresh的次数：因为ES采用了延迟写入的策略，ES会将要写入的数据先写入到内存中，超过1秒后再通过refresh将内存中的数据写入到磁盘，所以，可以将refresh的周期延长，减少refresh的周期，让每次写入磁盘的数据量尽可能地大一点，减少写入连接的次数；但是这种方案，对内存的大小有较高的要求；
• 内存的设置：
  • 在初始化ES的时候，默认的安装内容是1GB，这个内存对应任何高并发的业务来说都太小了，因此，在jvm.option文件中可以设置ES的堆内存大小，Xms表示内存大小，Xmx表示最大内存大小；
  • 在分配内存大小的时候尽量不要超过32GB，因为在java语言中所有的对象都分配在堆中，如果说内存大于32gb的时候，会导致对象内存大小的改变；
  • 且应该确保Xmx和Xms的大小是相同的，目的就是为了能在java垃圾回收机制清理完成后，堆内存不需要重新计算堆内存的大小导致资源的浪费；
• 查询语句的设置：
  • 在执行大批量数据查询（全表查询）的时候，如果不需要用到sorce来算分查询，那么尽量使用过滤器执行一般的查询即可，否则算分函数查询会消耗大量的算力导致查询缓慢；
• 建立索引库：
  • 在建立索引库的时候，如果在分类查询的业务使用到ES，那么可以分成多个索引库，不要将多个分类全集中在一个索引库进行查询，可以一个分类对应一个或者多个索引库，再通过前端的传来的分类信息数据查询对应的索引库即可；简单来说就是尽可能地去减少一个索引库的数据量大小，能更快地实现全库查询；

这些只是其中一些的优化策略；这里只是简单描述一下而已；