node.js - 用于大数据并具有更多更新/删除操作的Elasticsearch索引架构

Question

我有一个几乎拥有50GB数据的索引，很快它将超过100GB!所以现在我想设置索引体系结构以获得更好的性能。
我已经结帐了很多东西，其中之一是Index LifeCycle，但是作为我拥有的索引，它可以随时更新!因此，在那种情况下，我该如何设计索引，以提高性能。
另一件事是，正如我在Index上找到更新和删除记录中的一个artt Dynamic Indices一样。它表明在执行任何搜索操作时都将找到数据!就我而言，在这些情况下，我的更新记录太多了，这会降低索引的性能!
当我们有大量数据并且必须进行许多更新和删除操作时，如何改善索引性能？我们应该遵循什么架构？

Answer 1

您的所有日期是否都可能被更新或删除，还是仅是最新数据？
如果您的更新是基于相当近期的数据，而旧数据是只读的，则可以按照this博客文章中所述创建热-冷-热架构。
如果您的所有数据都可能被更新，则可以执行热-热架构，其中所有更新都转到热节点，所有查询都转到热节点。 Elastic将同步热节点和热节点以实现最终的一致性，因此您可能不得不将陈旧的日期保留为毫秒。检查this。
以我的经验，即使您从同一组索引和节点进行更新和搜索，Elastic也能够轻松处理50-100 GB的数据。这完全取决于更新和搜索的速度。