响应：

"memory_size" : "552b",
"memory_size_in_bytes" : 552,
"evictions" : 0

根据索引查看：

curl -XGET "http://node02:9200/out-7.7.0-2020.10.29/_stats/fielddata?human"

Node query cache（节点查询缓存）

查询缓存负责缓存查询的结果。每个节点都有一个由所有分片共享的查询缓存。缓存实现了一种LRU回收策略:当缓存满了时，会回收最近最少使用的数据，以便为新数据让路。

无法查看被缓存的内容。

查询缓存仅缓存在filter上下文中使用的查询。

以下设置是静态的，必须在集群中的每个数据节点上配置:

indices.queries.cache.size 
控制 filter cache的内存大小，默认为10%。接受百分比值(如5%)或精确值(如512mb)。

以下设置是一个索引设置，可以在每个索引的基础上配置:

index.queries.cache.enabled 
控制是否启用查询缓存。接受true(默认值)或false。

节点查询缓存使用情况：

curl -XGET "http://node02:9200/_nodes/stats/indices/query_cache?human"

响应：

    "query\_cache" : {
          "memory\_size" : "0b",
          "memory\_size\_in\_bytes" : 0,
          "total\_count" : 96,
          "hit\_count" : 0,
          "miss\_count" : 96,
          "cache\_size" : 0,
          "cache\_count" : 0,
          "evictions" : 0
        }

索引查询缓存的使用情况：

curl -XGET "http://node02:9200/out-7.7.0-2020.10.29/_stats/query_cache?human"

Indexing buffer（索引缓冲区）

索引缓冲区用于存储新索引的文档。当它填满时，缓冲区中的文档被写到磁盘上的一个段。它可以在节点上的所有分片上划分。

以下设置是静态的，必须在集群中的每个数据节点上配置:

indices.memory.index_buffer_size 
接受百分比或字节大小值。默认值为10%，这意味着分配给一个节点的堆总量的10%将用作所有分片之间共享的索引缓冲区大小。

indices.memory.min_index_buffer_size 
如果index_buffer_size指定为百分比，那么这个设置可以用来指定绝对最小值。默认为48 mb。

indices.memory.max_index_buffer_size 
如果index_buffer_size指定为百分比，那么这个设置可以用来指定绝对最大值。默认为无限。

Shard request cache（分片请求缓存）

当针对一个索引或多个索引运行搜索请求时，每个涉及的分片都在本地执行搜索，并将其本地结果返回到协调节点，该节点将这些分片级结果合并为一个“全局”结果集。

分片级请求缓存模块在每个分片上缓存本地结果。 这允许频繁使用（并且可能很繁重）的搜索请求几乎立即返回结果。 请求高速缓存非常适合日志记录用例，在这种情况下，只有最新索引才被主动更新-较旧索引的结果将直接从缓存中提供。

默认情况下，请求缓存将仅缓存size = 0时的搜索请求结果，因此将不缓存hits，但将缓存hits.total，aggregations, 和suggestions。

使用now的大多数查询无法缓存。

缓存失败

缓存是自动化的——它保持了与非缓存搜索相同的接近实时的结果。

缓存的结果在分片刷新时自动失效，但只有在分片中的数据实际发生更改时才会失效。换句话说，您将总是从缓存中获得与未执行的搜索请求相同的结果。

刷新间隔越长，缓存的记录保持有效的时间就越长。如果缓存已满，那么最近最少使用的缓存键将被逐出。

手动调整缓存过期：

POST /kimchy,elasticsearch/_cache/clear?request=true

启用/禁用缓存

默认情况下，缓存是启用的，但可以禁用时，创建一个新的索引如下:

PUT /my_index
{
  "settings": {
    "index.requests.cache.enable": false
  }
}

也可以动态启用或禁用一个现有的索引的设置:

PUT /my_index/_settings
{ "index.requests.cache.enable": true }

根据请求启用/禁用缓存

request_cache查询字符串参数可用于根据每个请求启用或禁用缓存。如果设置，它将覆盖索引级设置:

GET /my_index/_search?request_cache=true
{
  "size": 0,
  "aggs": {
    "popular_colors": {
      "terms": {
        "field": "colors"
      }
    }
  }
}

如果你的查询使用的脚本，其结果是不确定的(例如，它使用一个随机函数或引用当前时间)，你应该设置request_cache标志为false，以禁用该请求的缓存。

即使在索引设置中启用了请求缓存，size大于0的请求也不会被缓存。要缓存这些请求，需要使用query-string参数。

缓存Key

整个JSON主体被用作缓存键。这意味着如果JSON发生了变化——例如，如果键以不同的顺序输出——那么缓存键将不会被识别。

大多数JSON库都支持一种规范模式，该模式确保JSON键始终按照相同的顺序发出。此规范模式可用于应用程序中，以确保始终以相同的方式序列化请求。

缓存是在节点级别管理的，默认最大大小为堆的1%。可以在config/elasticsearch.yml中更改:

indices.requests.cache.size: 2%

此外，还可以使用indices.requests.cache.expire设置，以指定缓存结果的TTL。当索引刷新时，陈旧的结果将自动失效。此设置仅为完整性起见而提供。

缓存使用监控

节点级别的缓存使用情况查看：

GET /_nodes/stats/indices/request_cache?human

响应：

"request\_cache" : {
          "memory\_size" : "917.7kb",
          "memory\_size\_in\_bytes" : 939768,
          "evictions" : 0,
          "hit\_count" : 3944,
          "miss\_count" : 1342
        }

索引级别的缓存使用情况查看：

curl -XGET "http://node02:9200/_stats/request_cache?human"
curl -XGET "http://node02:9200/out-7.7.0-2020.10.29/_stats/request_cache?human"

缓存查询

curl -XGET "http://node02:9200/_nodes/stats/indices/fielddata,query_cache,request_cache?human"

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数大数据工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年大数据全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上大数据开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加VX：vip204888 （备注大数据获取）

一个人可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

程，基本涵盖了95%以上大数据开发知识点，真正体系化！**

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加VX：vip204888 （备注大数据获取）
[外链图片转存中…(img-AP0TxKOU-1712996193641)]

一个人可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！