Elasticsearch & Full Text Search Systems · Pelajaran

Pembuatan Profil dan Log Kueri Lambat

Diagnosis masalah performa dengan membuat profil kueri individual dan merekam operasi lambat menggunakan log lambat agar Anda dapat menemukan dan memperbaiki hambatan yang sebenarnya.

Pelajaran 4 dari 413 langkah

Pembuatan Profil dan Log Kueri Lambat adalah pelajaran Elasticsearch & Full Text Search Systems gratis di CoddyKit. Ini adalah pelajaran 4 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar Elasticsearch & Full Text Search Systems, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus Elasticsearch & Full Text Search Systems mencakup 4 pelajaran total.

Bagian dari pelajaran ini belum diterjemahkan dan ditampilkan dalam bahasa Inggris.

Measure Before You Optimize

Guessing at performance fixes wastes time. Elasticsearch gives you two precise tools: the Profile API for dissecting a single query, and slow logs for catching expensive operations in production.

The Profile API

Add "profile": true to any search request. Elasticsearch returns a detailed timing breakdown of how the query executed on each shard.

GET my_index/_search
{
  "profile": true,
  "query": { "match": { "title": "elasticsearch" } }
}

Reading Query Timings

The profile output lists each Lucene query and the time spent in phases like build_scorer, next_doc, and score. A surprisingly slow phase points you straight to the culprit.

Rewrite Time

Watch the rewrite_time. Wildcard, prefix, and range queries can rewrite into thousands of terms, inflating this number. If rewrite dominates, reconsider the query type or use a keyword/edge-ngram field.

Profiling Aggregations

The profile output also has an aggregations section. It shows initialize, collect, and build_aggregation times, helping you spot a costly high-cardinality terms aggregation.

Profile API Caveats

Profiling adds overhead and does not capture network or coordination time. Use it for relative comparison between query versions, not as an absolute production latency figure.

The Search Slow Log

The slow log records queries that exceed configurable time thresholds, per shard. It separates the query phase from the fetch phase and uses warn/info/debug/trace levels.

PUT my_index/_settings
{
  "index.search.slowlog.threshold.query.warn": "1s",
  "index.search.slowlog.threshold.fetch.warn": "500ms"
}

The Indexing Slow Log

A parallel indexing slow log catches documents that take too long to index, useful for spotting expensive pipelines or oversized documents.

PUT my_index/_settings
{
  "index.indexing.slowlog.threshold.index.warn": "1s"
}

Per-Shard Logging

Slow log thresholds apply per shard, not per request. A query slow on one shard but fast overall will still be logged for that shard, helping you find a single hot or unbalanced shard.

Acting on Findings

Once you identify a slow pattern, common fixes are: add a filter to narrow the dataset, replace heavy wildcard queries, increase shard count for hot indices, or pre-aggregate data. Always re-profile to confirm the gain.

A Workflow

Production loop: slow log surfaces a bad query, you reproduce it with the Profile API, identify the costly phase, apply a fix, and verify. This data-driven cycle beats guesswork every time.

Quick Check

Test your understanding of performance diagnostics.

Recap

You learned to diagnose performance:

  • The Profile API breaks down query and aggregation timings phase by phase.
  • Watch rewrite_time for expanding wildcard/range queries.
  • Search and indexing slow logs catch expensive operations per shard in production.
  • Follow a measure-fix-verify loop instead of guessing.
Gratis untuk memulai

Belajar Elasticsearch & Full Text Search Systems dengan tutor AI — gratis

Tulis dan jalankan kode asli di browser kamu, dapatkan bantuan instan dari tutor AI 24/7, dan lanjutkan di mana kamu tinggalkan di web atau aplikasi.

Kursus
12
Pelajaran
48

Pertanyaan yang Sering Diajukan

Apakah pelajaran “Pembuatan Profil dan Log Kueri Lambat” gratis?

Ya — teks lengkap “Pembuatan Profil dan Log Kueri Lambat” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus Elasticsearch & Full Text Search Systems, upgrade ke CoddyKit PRO. Kursus Elasticsearch & Full Text Search Systems mencakup 4 pelajaran total.

Apa yang akan aku pelajari di “Pembuatan Profil dan Log Kueri Lambat”?

Diagnosis masalah performa dengan membuat profil kueri individual dan merekam operasi lambat menggunakan log lambat agar Anda dapat menemukan dan memperbaiki hambatan yang sebenarnya. Kamu berlatih Elasticsearch & Full Text Search Systems dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.

Apakah aku perlu pengalaman untuk memulai Elasticsearch & Full Text Search Systems?

Tidak diperlukan pengalaman sebelumnya. Elasticsearch & Full Text Search Systems di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 4 dari 4.

Berapa lama pelajaran “Pembuatan Profil dan Log Kueri Lambat” memakan waktu?

Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.

Bisakah aku menulis dan menjalankan kode dalam pelajaran Elasticsearch & Full Text Search Systems ini?

Ya. Setiap pelajaran Elasticsearch & Full Text Search Systems menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.

Semua pelajaran dalam kursus ini

  1. Strategi Optimasi Kueri
  2. Praktik Terbaik Kinerja Pengindeksan
  3. Penyimpanan Tembolok dan Konkurensi
  4. Pembuatan Profil dan Log Kueri Lambat
← Kembali ke Elasticsearch & Full Text Search Systems