测试目的

单服务器搭建3节点的集群环境。本次测试在单机搭建elasticsearch集群下，重点关注多端口访问、shard数、副本数、jvm内存大小对批量写入和查询的性能影响。做为基准测试用于性能评估和功能（副本）取舍。

多端口访问定义：同时访问集群中3个节点端口（10.199.0.2:9300,10.199.0.2:9301,10.199.0.28:9302 ） 。

多端口压测命令：esrally --track=nyc_taxis --pipeline=benchmark-only --target-hosts=10.199.0.2:9300,10.199.0.2:9301,10.199.0.2:9302 --distribution-version=6.5.1 --offline

本测试共有7个测试场景。

压测机环境配置

压测工具为esrally，与 elasticsearch 数据库服务器分开部署，分别占用一台服务器。文档数165346692，索引大小27722564094（bytes），并发数设为50，bluk_size为10000。

压测参数设置

{

"operation": "index",

"warmup-time-period": 240,

{

"name": "refresh-after-index",

"operation": "refresh",

"clients": 50

},

{

"operation": "default",

"clients": 50,

"warmup-iterations": 50,

"iterations": 100,

"target-throughput": 50

},

{

"operation": "range",

"clients": 50,

"warmup-iterations": 50,

"iterations": 100,

"target-throughput": 50

},

{

"operation": "distance_amount_agg",

"clients": 50,

"warmup-iterations": 50,

"iterations": 100,

"target-throughput": 50

},

{

"operation": "autohisto_agg",

"clients": 50,

"warmup-iterations": 50,

"iterations": 100,

"target-throughput": 50

},

{

"operation": "date_histogram_agg",

"clients": 50,

"warmup-iterations": 50,

"iterations": 100,

"target-throughput": 50

}

查询 query 如下 :

为业务某 query 。

1 场景1（index.number_of_shards：1 index.number_of_replicas： 0，多端口）

同时访问集群中3个节点端口（10.199.0.188:9300,10.199.0.188:9301,10.199.0.188:9302 ），index.number_of_shards：1 、 index.number_of_replicas： 0 。

1.1 写入 （index）

写入时了解资源情况。io使用率，每10秒更新一次，使用率为40左右%，如下图所示：

cpu使用率：

实际并发数

1.2 查询

读测试包括range和聚合等操作。

io使用率较低，几乎被缓存。10秒更新一次，如下：

cpu 99%

由于文章实在太长，已经上传了完整版到资料中，大家可以通过如下链接进行下载：http://www.talkwithtrend.com/Document/detail/tid/426933