es写入过程关键步骤：
- 数据写入index buffer缓冲和translog日志文件。index buffer（indices.memory.index_buffer_size） 大小默认是heap的10%，最小值为48M。
- 每隔一秒钟（index.refresh_interval），index buffer中的数据被写入新的segment file，并进入os cache，此时segment被打开并供search使用。
- buffer被清空。
- 重复1~3，新的segment不断添加，buffer不断被清空，而translog中的数据不断累加
- 当translog长度达到一定程度的时候，commit操作发生。
假设我们的应用场景要求是，每秒 300 万的写入速度，每条 500 字节左右。
针对这种对于搜索性能要求不高，但是对写入要求较高的场景，我们需要尽可能的选择恰当写优化策略。
综合来说，可以考虑以下几个方面来提升写索引的性能：
-
加大 Translog Flush ，目的是降低 Iops、Writeblock。
-
增加 Index Refresh 间隔，目的是减少 Segment Merge 的次数。
-
调整 Bulk 线程池和队列。
-
优化节点间的任务分布。
-
优化 Lucene 层的索引建立，目的是降低 CPU 及 IO。
优化方案：
1.Lucene 在新增数据时，采用了延迟写入的策略，默认情况下索引的 refresh_interval 为 1 秒。
Lucene 将待写入的数据先写到内存中，超过 1 秒（默认）时就会触发一次 Refresh，然后 Refresh 会把内存中的的数据刷新到操作系统的文件缓存系统中。
如果我们对搜索的实效性要求不高，可以将 Refresh 周期延长，例如 30 秒。
这样还可以有效地减少段刷新次数，但这同时意味着需要消耗更多的Heap内存。
index.refresh_interval:30s
2.由于 Lucene 段合并的计算量庞大，会消耗大量的 I/O，所以 ES 默认采用较保守的策略，让后台定期进行段合并，如下所述：
-
索引写入效率下降：当段合并的速度落后于索引写入的速度时，ES 会把索引的线程数量减少到 1。
这样可以避免出现堆积的段数量爆发，同时在日志中打印出“now throttling indexing”INFO 级别的“警告”信息。
-
提升段合并速度：ES 默认对段合并的速度是 20m/s，如果使用了 SSD，我们可以通过以下的命令将这个合并的速度增加到 100m/s。
PUT /_cluster/settings
{
"persistent" : {
"indices.store.throttle.max_bytes_per_sec" : "100mb"
}
}
3，修改index_buffer_size 的设置，可以设置成百分数，也可设置成具体的大小，大小可根据集群的规模做不同的设置测试。优化可以设置成20%以上。
indices.memory.index_buffer_size：10%（默认是heap的10%）
indices.memory.min_index_buffer_size： 48mb（默认）
indices.memory.max_index_buffer_size
4，堆大小的设置
由于ES构建基于lucene, 而lucene设计强大之处在于lucene能够很好的利用操作系统内存来缓存索引数据，以提供快速的查询性能。lucene的索引文件segements是存储在单文件中的，并且不可变，对于OS来说，能够很友好地将索引文件保持在cache中，以便快速访问；因此，我们很有必要将一半的物理内存留给lucene ; 另一半的物理内存留给ES（JVM heap )。所以， 在ES内存设置方面，可以遵循以下原则：
当机器内存小于64G时，遵循通用的原则，50%给ES，50%留给lucene。
5，使用 hot_threads api。
集群所有节点：
curl -XGET `hostname -i`:9200/_nodes/hot_threads
单个节点：
curl -XGET `hostname -i`:9200/_nodes/node-name/hot_threads
其中 node-name 替换成自己节点节点名称
使用 top + jstatck 获取堆栈信息
参考文档：
https://www.cnblogs.com/technologykai/articles/10899582.html
https://www.cnblogs.com/zhangan/p/11231990.html
https://blog.csdn.net/wwd0501/article/details/105077508?spm=1001.2101.3001.6650.2&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7Edefault-2.no_search_link&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7Edefault-2.no_search_link&utm_relevant_index=5