1，Mac上安装(指定java8)
brew cask install java8vim .base_profile文件内容：JAVA_HOME=/Library/Java/JavaVirtualMachines/jdk1.8.0_162.jdk/Contents/HomePATH=$JAVA_HOME/bin:$PATHCLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jarsource .base_profileecho .base_profilebrew install elasticsearch安装中文分词插件（根据当前es版本）：elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v6.1.2/elasticsearch-analysis-ik-6.1.2.zip
2，优化配置
#服务器优化：更改索引片断数量ulimit -n 32000 #配置文集优化配置自身配置文件：elasticsearch.yml修改bootstrap.mlockall: true，禁止内存交换jvm配置文件(GC)：jvm.options -Xms1g 初始分配内存1g 总内存的50%但不能超过32G-Xmx1g 最大使用内存1gmac中配置文件路径：/usr/local/etc/elasticsearch
3，Elasticsearch索引配置
使用mappings新建indexcurl -X PUT 'localhost:9200/kline_test' -H 'Content-Type: application/json' -d '{"settings": { "number_of_shards": 1,#分片数 "number_of_replicas" :0#副本数：未批量导入数据时建议不要进行副本}, "mappings": { "kline_data": { "properties": { "code": { "type": "text", #数据类型 }, "name": { "type": "text","analyzer": "ik_max_word",#使用可以对文本进行最大数量的分词 "search_analyzer": "ik_max_word" }, "market": { "type": "byte"， }, "time": { "type": "date" , "format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis",#指定数据的查询格式 }, "mongo_id": { "type": "text", "index": False #不对该字段进行索引，既无法作为查询条件 } } } }}' ※特别提示：在6.1版本之后doc的字段属性：
1，index的配置参数变更为True 或 False 而非之前的：not_analyzed和no
2，include_in_all参数取消，使用copy_to来自定义_all查询
3，详细参数说明见
4，谨慎分片
当在ElasticSearch集群中配置好索引后, 在集群运行中你是无法调整分片设置。 如需要调整分片数量, 也只能新建索引并导入数据后通过更换别名aliases 对数据进行重新索引，虽然会比较耗时, 但至少能保证不会停机
每个分片都是有额外的成本的:
-
- 每个分片本质上就是一个Lucene索引, 因此会消耗相应的文件句柄, 内存和CPU资源
- 每个搜索请求会调度到索引的每个分片中. 如果分片分散在不同的节点倒是问题不大.，但当分片开始竞争相同的硬件资源时, 性能便会逐步下降
- ES使用词频统计来计算相关性，当然这些统计也会分配到各个分片上，如果在大量分片上只维护了很少的数据, 则将导致最终的文档相关性较差
分片数量的确定：
原则：每个分片最好不超过30G，尽量不多过多分片
计算数量：在确定之初最好能估算出日后数据的总量，然后再进行分片（例如：未来数据可能是300G，那就至少需要10-11个分片）
※为保证查询质量，建议还是分片数量不要过大；网上有的人说分片不能超过20有的不能超过100
※个人认为需根据实际情况来进行优化，如果数据量再大且在增加额外的节点(ES会自动完成分片在不同节点上的分布平衡)后效率仍然没有改善，可新建另一个索引，然后通过程序中间件进行访问控制
※另外通过中间件可以进行特定数据存入指定分片(参数：_shards:0,1,2)，从而达到特定数据的集中存储，提高查询效率
节点数量确定（初期）：
节点数量<=分片数量*(副本数量+1)
5，使用optimize优化
-随着时间的推移，ElasicSearch中每个shard的数据也会越来越多，索引越来越大，而生成的segment（在每个shard中，每个索引文件实际是由多个sgment文件组成）也会越来越多。
而segment越多的话，则查询的性能越差，所以通过调用optimize命令，将多个segment合并成更少数量的segment(最少为一个)，从而来提高查询性能。
-
- curl -XPOST http://localhost:9200/shb01/_optimize?max_num_segments=1
-在es中删除一个文档后不会立即从硬盘中删除只会标记这个文档被删除，lucene会产生一个.del文件，而在检索过程中这个文件还会参与检索只不过在最后会被过滤掉，
这样其实也会影响效率，我们可以定期删除这些文件，同合并索引片断一样可以通过curl
-
- curl -XPOST http://localhost:9200/_optimize?only_expunge_deletes=true