查询缓存配置

配置项作用 #

indices.queries.cache.size 配置项控制查询缓存（Query Cache）的 JVM 堆内存大小。查询缓存用于缓存查询结果，提高重复查询的性能。

配置项类型 #

该配置项为动态配置，可以在运行时通过集群设置 API 进行修改。

默认值 #

10%（JVM 堆内存的 10%）

是否必需 #

可选配置项（有默认值）

配置格式 #

# 百分比格式（默认）
indices.queries.cache.size: 10%

# 字节格式
indices.queries.cache.size: 2gb

# 混合格式
indices.queries.cache.size: 20%

配置项列表 #

工作原理 #

查询缓存缓存查询结果，当相同的查询再次执行时直接返回缓存结果：

┌─────────────────────────────────────────────────────────┐
│                   查询请求                                │
└─────────────────────────────────────────────────────────┘
                        │
                        ▼
            ┌───────────┴───────────┐
            │                       │
        缓存命中              缓存未命中
            │                       │
            ▼                       ▼
    直接返回缓存          执行查询并缓存结果

使用示例 #

# 默认配置
indices.queries.cache.size: 10%

# 自定义大小
indices.queries.cache.size: 4gb

# 使用百分比
indices.queries.cache.size: 15%

# 禁用缓存
indices.queries.cache.size: 0b

动态修改 #

# 通过 API 动态修改
PUT /_cluster/settings
{
  "transient": {
    "indices.queries.cache.size": "4gb"
  }
}

推荐设置建议 #

生产环境建议：根据查询模式和数据量设置

缓存效果 #

缓存命中率影响：

相关配置项 #

缓存策略 #

查询缓存使用 LRU（最近最少使用）淘汰策略：

┌─────────────────────────────────────────────────────────┐
│                  LRU 淘汰策略                              │
└─────────────────────────────────────────────────────────┘
                        │
                        ▼
┌───────────────┴───────────────┐
│                               │
    新查询进入                     最少使用的查询被淘汰
    │                               │
    ▼                               ▼
[查询1] [查询2] ... [查询10000]
   ↑                           ↓
 最常用                     最少用
   ↑                           ↓
保留                          淘汰

查看缓存状态 #

# 查看查询缓存统计
GET /_nodes/stats/indices/query_cache?pretty

# 查看特定索引的缓存
GET /my_index/_cache/stats

常见问题 #

问题 1：缓存未生效

可能原因：

1. 查询使用了 now() 等随机函数
2. 查询条件包含随机数
3. 查询每次都不同

解决方案：

// 避免使用随机查询
{
  "query": {
    "range": {
      "timestamp": {
        "gte": "2024-01-01",
        "lte": "2024-01-31"
      }
    }
  }
}

问题 2：缓存占用内存过多

解决方案：

# 减小缓存大小
PUT /_cluster/settings
{
  "transient": {
    "indices.queries.cache.size": "5%"
  }
}

问题 3：缓存命中率低

解决方案：

1. 优化查询使其可缓存
2. 增加缓存大小
3. 分析查询模式

查询缓存条件 #

查询结果可以被缓存的必要条件：

1. 查询完全相同：包括查询条件、排序、聚合等
2. 索引未修改：缓存期间索引没有数据变更
3. 使用缓存上下文：查询使用 request_cache=true
4. 确定性查询：不包含随机函数

示例：

// 可缓存的查询
GET /my_index/_search?request_cache=true
{
  "query": {
    "term": { "status": "active" }
  }
}

// 不可缓存的查询（使用 now()）
GET /my_index/_search?request_cache=true
{
  "query": {
    "range": {
      "timestamp": {
        "gte": "now-1d"
      }
    }
  }
}

性能优化建议 #

1. 启用请求缓存

对于重复查询，启用请求缓存：

GET /my_index/_search?request_cache=true

2. 优化查询模式

// 优化前：每次查询不同
{
  "query": {
    "range": {
      "@timestamp": {
        "gte": "now-1h"
      }
    }
  }
}

// 优化后：使用固定时间范围
{
  "query": {
    "bool": {
      "must": [
        {
          "range": {
            "@timestamp": {
              "gte": "2024-01-01T00:00:00",
              "lte": "2024-01-01T01:00:00"
            }
          }
        },
        {
          "term": { "user": "user1" }
        }
      ]
    }
  }
}

缓存清理 #

缓存会在以下情况被清理：

1. 段合并：段合并时缓存失效
2. 索引更新：文档被修改后相关缓存失效
3. 手动清理：通过 API 清理

# 清理特定索引的缓存
POST /my_index/_cache/clear

# 清理所有索引的缓存
POST /_cache/clear

监控建议 #

# 监控缓存统计
GET /_nodes/stats/indices/query_cache?pretty

# 查看 hit/miss 比率
GET /_cat/nodeattrs?v&h=name,*.query_cache*

注意事项 #

1. 动态更新：此配置为动态配置，可在线修改
2. 内存占用：缓存占用 JVM 堆内存
3. 命中率监控：建议监控缓存命中率以评估效果
4. 段合并：段合并会导致缓存失效
5. 合理设置：根据查询模式和数据特点调整