随着大数据的发展,数据包含的信息价值越来越丰富。如何对大数据进行快速的检索,成为大数据处理的迫切需求。因此,Lucene、Solr、Elasticsearch、Sphinx、Xapian等开源搜索引擎便应运而生。其中分布式全文检索引擎Elasticsearch以其近实时、全文检索、高可用、易部署、接口友好等特性,在国内外各大企业得到广泛应用部署。本文首先对Elasticsearch全文检索引擎相关的研究文献和源代码进行了深入的研究,分析了Elasticsearch的索引分片机制和负载均衡策略,提出了相应的优化策略并使用实验进行验证。主要研究工作如下:在Elasticsearch索引分片方面,论文针对索引分片数量配置问题以及索引分片放置未考虑节点性能的问题。提出了一种基于性能评估的索引分片放置策略。该策略首先结合节点性能和索引数据量构造了索引分片数量模型,以获取更合理的索引初始配置;接着,在创建索引时,使用线性加权法对各节点进行性能评估,选择性能较优的节点优先参与分片的放置,同时校验Elasticsearch原有的分片放置规则。通过与Elasticsearch默认索引分片放置策略进行实验对比,基于性能评估的索引分片放置策略能够降低Elasticsearch检索时延,充分利用节点性能,提高集群稳定性。在Elasticsearch负载均衡方面,论文针对热点数据高并发访问时,形成的热点分片集中于某些节点,造成这些节点负载过高的问题,提出了一种热点分片动态迁移策略。监控热点分片数量达到阈值节点,将其中的热点分片迁移到较空闲节点中,并使用线性加权法对节点进行负载评价,以选择目标节点。在此基础上,进一步提出了一种基于随机游走算法的主分片重新选举策略,利用副本分片机制实现主分片重新选举,以此将热点分片的大量请求进行转移,并使用随机游走算法进行全局负载调整。通过与Elasticsearch默认负载均衡策略进行实验对比,后者不仅能更有效的均衡集群负载,而且能避免迁移分片带来的系统开销和服务时延。研究工作表明,论文提出的基于性能评估的索引分片放置策略和热点分片的负载均衡策略,能够有效提高索引性能和集群稳定性,并进一步均衡Elasticsearch集群负载。对Elasticsearch应用部署,具有重要的价值和意义。