优化方案
1、调整并发线程：并发线程数需要调整到合适的值，避免线程过多导致CPU资源浪费和内存开销增加。同时也需要避免线程数过少导致请求响应时间过长，可以通过调整ElasticSearch的线程池参数来实现。
2、调整分片数量
ElasticSearch的分片数量对性能有重要影响，分片数量过多导致网络开销增加，分片数量过少会导致负载不均衡。根据实际情况选择合适的分片数量，一般推荐每个节点不超过20个分片。
3、调整索引刷新频率
ElasticSearch的索引刷新频率会对写入性能产生较大影响，频繁的索引刷新会导致性能下降。可以通过调整index.refresh_interval参数来控制索引刷新频率，根据实际情况设置合适的值。
4、使用Bulk API
在高并发场景下，使用Bulk API可以有效提升写入性能。Bulk API可以批量写入多个文档，减少网络开销和I/O开销，提高写入效率。
5、合理使用缓存
ElasticSearch支持缓存机制，可以将搜索结果缓存到内存中，提高搜索性能。但是，缓存机制也会增加内存开销，需要根据实际情况选择合适的缓存策略。
具体配置
1、线程池参数配置
ElasticeSearch的线程池有以下几种类型：
fixed:固定大小线程池，适用于负责稳定的情况。
cached:自适应线程池，适用于负载变化较大的情况。
scalling:弹性线程池，适用于复杂不稳定的线程池。
可以通过以下参数来配置线程池：
thread_pool.index.size:索引线程池大小
thread_pool.index.queue_size:索引线程池队列的大小
thread_pool.search.size:搜索线程池大小
thread_pool.search.queue_size:搜索线程池队列大小
thread_pool.bulk.size:批量操作线程的大小
thread_pool.bulk.queue_size:批量操作线程池队列大小
2、分片数量配置
可以通过以下参数类来配置分片数量“
index.number_of_shards:每个索引的分片数量
index.number_of_replicas:每个分片的副本数量
3、索引刷新频率配置
可以通过以下参数来配置索引刷新频率：
index.refresh_interval:索引刷新时间间隔，单位为秒
4、Bulk API
可以通过以下参数来配置Bulk API:
bulk.request_timeout:Bulk API请求超时时间，单位为秒
bulk.max_actions:单位Bulk API操作最大文档时间
bulk.max_concurrent_requests:Bulk API最大并发请求数
5、缓存配置
可以通过以下参数来配置缓存：
indices.queries.cache.size:查询缓存大小，单位为字节。
indices.fielddata.cache.size:字段缓存大小，单位为字节。
使用场景
ElasticSearch在高并发场景下应用广泛，例如电商网站的商品搜索、新闻网站的文章搜索、金融行业的交易数据搜索等。在这些场景下，Elasticsearch需要处理大量的请求和数据，绕并提供高性能的搜索服务。通过优化ElasticSearch的配置，可以提高搜索性能、降低响应时间，提升用户体验。
