Mapping优化
  1. 合理设置字段类型
    text类型的字段，默认会分词创建倒排索引，不需要检索的text类型字段，应该关闭倒排索引
    keywork类型的字段，默认会创建正排索引，不需要检索，聚合，排序的字段，应该关闭正排索引
    fielddata类型要谨慎使用，fielddata类型在使用时，会在jvm堆中创建字段的全量正排索引，容易引发OOM异常。
  2. 原文存储
    es有两种存储原文信息的方式，_source和store，es底层存储文件的最小单位是document，用户添加的一条数据对应一个document，_source和store是document中的两个部分，每次查询（fetch）一个document时，会加载全部的_source信息，即便用户只需要部分字段，也是把_source中的字段全部加载到内存中，再做过滤，给client返回需要的字段。而store区域的原文字段信息默认是不会加载的，只有用户指定了要查询的store字段，才会加载，而且store类型的字段是需要那些加载那些，不会全部加载到内存后再做过滤。
    数据的原文信息，不需要的话，不要存储，以减小带宽压力，尤其是有大字段时，要格外注意，看有没有其他的存储方式，比如大字段单独存放在其他的数据库中，单独查询。store类型要谨慎使用，查询多字段时，每个字段都会有一次磁盘io，效率反而会下降。要根据实际业务情况合理选择。
  3. 分片
    分片数应根据集群的实际情况来设计，增加分片数可以提高索引的qps，设置副本分片可以实现索引的高可用。但是分片过多会增加网络开销，副本分片和主分片需要占用相同的资源，增加副本分片，还会加大系统资源的开销。所以实际工作当中，应该根据实际情况合理设计，大体有以下几点经验：
    分片的大小不要超过50G。
    分片数的设计原则：不断增加分片数，监控检索速度，当检索效率开始下降时，说明分片数已经到达上限，这样来确定分片数
JVM优化
es中每个分片都是一个lucene实例，lucene管理索引使用的是系统内存。所以es的堆要合理设置，预留出足够的系统内存供索引使用。
es是堆应该控制在4G到32G之间。最大也不要超过32G，不然会导致指针压缩失效，浪费大量内存，增加gc开销，还会降低os的缓存命中率。在满足需求的情况下，越小越好。
ES集群优化
  1. es节点类型
    master节点（主节点）
    1. 索引的创建或删除
    2. 跟踪哪些节点是集群的一部分
    3. 决定哪些分片分配给相关的节点
    稳定的主节点对集群的健康非常重要，集群较大时，应将主节点和data节点分离，并设置集群数，防止脑裂。
    data节点（数据节点）
    1. 存储索引数据
    2. 对文档进行增删改查，聚合操作
    数据节点对xcpu，内存，io要求较高，在优化的时候需要监控数据节点的状态，当资源不够时，需要在集群中添加新的节点。每个主节点和数据节点都需要知道分片，索引，元数据的物理存储位置。
    client节点（客户端节点/路由节点）
    1. 处理路由请求
    2. 处理搜索
    3. 分发索引
    从本质上来说client节点表现为智能负载平衡器。独立的客户端节点在一个比较大的集群中是非常有用的，他协调主节点和数据节点，客户端节点加入集群可以得到集群的状态，根据集群的状态可以直接路由请求。
    部落节点
    1.部落节点可以跨越多个集群，它可以接收每个集群的状态，然后合并成一个全局集群的状态，它可以读写所有节点上的数据。
    Ingest节点（提取节点）
    官方建议：
    一个节点的缺省配置是：主节点+数据节点两属性为一身。对于3-5个节点的小集群来讲，通常让所有节点存储数据和具有获得主节点的资格。你可以将任何请求发送给任何节点，并且由于所有节点都具有集群状态的副本，它们知道如何路由请求。
    通常只有较大的集群才能开始分离专用主节点、数据节点。 对于许多用户场景，路由节点根本不一定是必需的。
    专用协调节点（也称为client节点或路由节点）从数据节点中消除了聚合/查询的请求解析和最终阶段，并允许他们专注于处理数据。
    在多大程度上这对集群有好处将因情况而异。 通常我会说，在查询大量使用情况下路由节点更常见。
预热数据
保持常用索引常驻内存