优化向量集群性能

在数据导入期间临时关闭副本，待数据导入完成后再重新开启。适用于批量导入历史数据或全量更新场景（如初始化向量数据库）。

修改副本数：

PUT my_index/_settings
{
    "number_of_replicas": 0
}

避免副本节点的实时向量索引构建开销，提升写入性能。

将索引的刷新间隔设置为120s或更大，以减少频繁刷新索引生成的小segment数量，同时降低segment合并带来的向量索引构建开销。也可以直接关闭自动刷新索引，即将索引的刷新间隔设置为“-1”。适用于高吞吐写入场景（如日志型向量数据流）。

设置“refresh_interval”：

PUT my_index/_settings
{
    "refresh_interval": "120s"
}

减少refresh次数，避免生成大量小segment，降低segment合并开销，提升写入性能。

适当增加向量索引构建的线程数可以加速索引构建过程，但是不建议设置过大，避免产生过多的构建线程抢占查询资源。适用于CPU资源充足但写入延迟高的场景（如GPU服务器环境）。

向量索引构建的线程数“native.vector.index_threads”默认值为 4，可以根据实际需求进行调整：

PUT _cluster/settings
{
  "persistent": {
    "native.vector.index_threads": 8
  }
}

并行加速向量索引构建，提升写入并发能力。

在批量导入数据完成后，执行forcemerge操作强制段合并可以减少segment数量。该操作一般在写入后、查询前执行（如定时批量导入后的检索准备）。

执行forcemerge操作：

POST my_index/_forcemerge?max_num_segments=1

将多个segment合并为1，减少搜索时文件扫描开销，提升查询速度。

在批量写入时，系统自动合并生成的segment上限值是5GB，通过提升segment大小上限可以减少自动合并后的segment数量，该操作一般在写入数据前执行。

调整segment大小上限：

PUT my_index/_settings
{
  "index.merge.policy.max_merged_segment": "10gb"
}

有效减少segment数量，减少查询计算开销，提升查询速度。

如果向量索引所需的堆外内存超过熔断线，查询时索引的缓存管理器会频繁进行索引的换进换出操作，导致查询变慢。通过适当调大熔断线的配置，可以避免因内存不足导致的查询频繁触发熔断（如日志提示“CircuitBreakingException”）。

堆外内存熔断线的默认值是80%，可以根据实际需求进行调整：

PUT _cluster/settings
{
  "persistent": {
    "native.cache.circuit_breaker.cpu.limit": "85%"
  }
}

避免向量索引被换出，减少查询抖动。

如果查询结果需要返回的字段较少且均为keyword或数值类型字段，可以通过docvalue_fields配置来召回必要字段。这种方式适用于仅需返回数值/枚举类元数据（如商品ID、分类标签）的场景，可以有效降低fetch阶段的开销。

通过docvalue_fields配置仅召回必要字段：

POST my_index/_search
{
  "size": 2,
  "stored_fields": ["_none_"],
  "docvalue_fields": ["my_label"],
  "query": {
    "vector": {
      "my_vector": {
        "vector": [1, 1],
        "topk": 2
      }
    }
  }
}

跳过_source解析，利用列式存储（docvalues）降低fetch阶段开销，提升查询性能。