在我的应用程序中，我需要不时重新索引所有数据。我注意到第一次（通过批量索引）索引数据所需的时间比随后的重新索引要慢得多。在一种情况下，第一次执行索引大约需要 2 小时，随后的索引大约需要 15 分钟（索引相同的数据）。
虽然第一次索引的 2 小时是合理的，但我很好奇为什么后续迭代重新索引的速度明显更快。更重要的是，我想知道是否有什么办法可以提高第一次索引时的性能，例如也许通过指示索引有多大等。
谢谢， 埃里克
【问题讨论】：
标签： elasticsearch
您是否为您的类型定义了映射？如果没有，每次 ES 找到一个新字段时，必须更新映射（这会影响整个索引）。
在随后的索引中，映射已经完成。所以你可以做的是显式映射你的类型。
此外，您可以通过将refresh_interval 设置为更高的值look at this benchmark 来提高重新索引的速度。
【讨论】：
编辑删除了对merge_factor 的引用，因为它已在 ES 2.0 中删除：https://www.elastic.co/guide/en/elasticsearch/reference/current/breaking_20_setting_changes.html#_merge_and_merge_throttling_settings
正如 Damien 所指出的，您确实可以影响（批量）索引设置 - refresh_interval 可以暂时设置为 -1，并在您完成后设置回默认值 1s批量索引。 另一个要修改的设置是merge.policy.merge_factor；将其设置为更高的值，例如30，然后在完成后恢复为默认值10。
有许多关于优化批量索引的教程和邮件列表讨论，但这里有一些官方文档链接可供参考：
http://www.elasticsearch.org/guide/reference/index-modules/merge/
http://www.elasticsearch.org/guide/reference/api/admin-indices-update-settings/
如果您尚未调整 JVM 的内存设置，则应该这样做。虽然特定于运行 Ubuntu 10.04 服务器的 512mb VPS，但这些设置 (http://pastebin.com/mNUGQCLY) 应该为您指明正确的方向。基本上，在启动时为 Elasticsearch 分配所需数量的 RAM 可以改善 JVM 内存分配/GC 时间。
【讨论】：