网站建设的部署淘宝网站建设流程

问题背景

ES使用bulk写入时每批次的大小对性能有什么影响？设置每批次多大为好？

一般来说，在Elasticsearch中，使用bulk API进行批量写入时，每批次的大小对性能有着显著的影响。具体来说，当批量请求的大小增加时，写入性能通常会提高，因为减少了网络往返时间和磁盘I/O次数。然而，如果批量请求过大，会导致节点上的内存压力增大，进而影响其他请求的性能，甚至可能导致节点崩溃。

实测方案与结果

我在虚拟机环境实测了7种不同批次的大小，从500到10000都有。

结果如下表：

索引消耗的时间与批次大小数据图示：

• 最慢的10000条每批，吞吐量是18078/秒。
• 最快是8000条每批，吞吐量是18218/秒。

这图看着很唬人，实际上设定不同的批次大小对写入性能的影响微乎其微，图中所示的数据索引时间单位是毫秒。

表中，程序运行时间单位是秒，即便是观察程序运行总时间，也都是几秒之差。因为波动太小，因此不具有实际调优意义，只能作为一个数据参考。

当然，对于生产环境也可以通过实验来确定最佳的批量大小。可以从较小的批量开始（例如5MB），然后逐渐增加批量大小，观察写入性能的变化。当性能开始下降时，说明批量大小已经过大，应该减小批量大小。通常，一个好的起点是将每批次的数据量设置在5MB到15MB之间。

补充测试

那么将批次大小分别设置为10万，和10呢？取两个较为极端的值。

• 超大的10万级别：运行了149秒，变慢的趋势有所抬头！
• 很小10级别：**运行了641秒，明显变慢！果然，批次太小的确是浪费资源！**不过一般也没有开发人员会设置成这个值。

批次大小设置为极小值10的时候，数据反映了另外一个事实，那就是批量写入比单条写入快了不止一倍！

最终所有测试索引都有100万条数据，数据存储空间大小也几乎一致：

结论

经过计算，上述7种单批次大小的100万数据吞吐量差异最大只有千分之7，可以说是完全没有差异了，极端值才会显著降低性能。