Solr调优参考-续

q789321

　　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solrinstance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。
　　longshortint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：
　　JVMheap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。