使用百度智能云Elasticsearch前，需要优先结合业务需求和所存数据，评估集群所需的资源容量，包括磁盘容量、单机规格、shard大小和数量等。评估方式如下：

节点数量评估

建议至少选择3个节点，保证ES集群具有较高的节点故障容错能力和更好的可用性。

磁盘评估

磁盘类型选择

SSD云磁盘：适合对性能要求高的场景，具有高IO和高吞吐，适合数据响应度较高的在线分析和搜索场景。核心业务系统、大型线上查询业务建议选择SSD云磁盘。

高性能云磁盘：性能比SSD云磁盘低，价格相对低廉。适合线下测试、大规模冷数据存储分析等对性能要求不敏感的场景。

磁盘容量评估

用户考虑磁盘空间时主要考虑以下几方面：

• 影响ES磁盘空间大小的因素包括：

  • 副本分片数量：副本可以增加数据的可靠性和查询并发量，建议副本分片数量至少设置为1( number_of_replicas=1)。
  • 索引数据膨胀开销：除原始数据外，ES 需要存储索引、列存数据等，通常比源数据大10%-50%（_all参数等未计算）。
  • 内部其他开销：用于 segment 合并、ES Translog、日志等内部操作，预留20%。
  • 安全阈值：通常至少预留20%~30%的安全阈值。

因此，数据保存在 ES 中实际数据量大概为：

  实际数据量 = 源数据 * (1 + 副本数量) * (1 + 数据膨胀) * (1 + 内部其他开销)
          ≈ 源数据 * (1 + 副本数量) * 1.4

计算副本数量和安全阈值预留空间后，建议申请的存储容量为：

  存储容量 = 源数据 * (1 + 副本数量) * 1.4 * (1 + 预留空间)
          ≈ 源数据 * (1 + 1) * 1.7
          ≈ 源数据 * 3.4

• 索引数据膨胀具体开销可以使用“mapper-size”插件测试，使用方式：创建索引mapping时设置“_size:{"enable":true}”。
• _all参数默认禁用，如果业务上没有特殊需求，建议无需开启。
• 开启_all参数，磁盘容量的开销也会增大，在评估磁盘空间时需要相应增加。

单机规格评估

单机规格的大小会影响百度智能云Elasticsearch集群性能。建议参考以下几点来评估集群单机规格。

• 如果需要使用NLP中文分词或向量检索插件，建议单节点内存在8G以上。
• 使用场景不同，单节点磁盘最大容量也会不同。Elasticsearch实例能够容载的数据量与JVM的堆内存大小有关，一般JVM的堆内存会使用50%左右用于处理数据，建议单节点磁盘最大容量按照JVM内存来评估，建议比例如下：

除了小内存机型外，通常情况下BES将JVM的堆内存设置为节点内存的一半，最大不超过30G。集群规格参考示例如下：

shard 相关评估

在进⾏shard规划前，用户需要考虑:

• 存量数据和增量数据的量级
• 数据的写入TPS和查询QPS
• 集群规模和单节点规格

基于以上考虑，对shard规划提供了一些参考建议。

• 主分片数目在创建索引后不可动态更改，所以建议在创建索引之前就对主分片数量进行合理规划。
• 建议shard的个数（包括副本）要尽可能等于数据节点数，或者是数据节点数的整数倍，保证shard可以在各个节点间均匀分布。
• 通常业务场景下建议单个shard大小保持在10-30GB，日志场景可以保持在20-50GB。分片不宜过大或过小：过大可能使 ES 的故障恢复速度变慢、查询性能降低；过小可能导致非常多的分片，分片越多，ES性能开销也越大，从而导致读写性能差、内存不足等问题。
• 建议单节点上的shard数⽬控制在500个以下，7.x版本的实例默认的单节点shard数量上限为1000个（官⽅不建议调整）。如果规划中单节点shard数量超过上限，建议调整shard规划或扩容节点来降低单节点的shard数量。
• 建议单个节点上同一索引的shard个数不要超5个。
• 当数据量和写入量较大时，为了降低 ES 压力，建议选择多主分片+单副本分片的模式；当数据量较小，且写入量也比较小时，建议使用单主分片+多副本分片或者单主分片+单副本分片的模式。