我的目标是使用 ElasticSearch v1.3.2 分析产品交叉销售，因此我需要筛选感兴趣的收据（例如酒精产品）并查找每个类别的畅销产品。新数据将每月编入索引，同时我们将对其进行分析查询。
每个文档都是一张收据，其中包含总体信息（总销售额、商店 ID 等）、单个产品信息（产品 ID、产品数量、总价值）以及产品树不同级别的汇总信息。平均一张收据有 8 个项目，因此每个收据文档有 10 - 100 个嵌套文档。总共有 5000 万张收据，其中包含 3.9 亿个产品子文档（加上一些用于汇总产品树级别的文档）。
目前，单个 ES 节点运行在一台 Ubuntu 虚拟机上，该虚拟机具有 16 GB 的 RAM（ES 和 OS 各占 50%），数据位于 HDD 上的虚拟磁盘上。总索引大小约为 120 GB，由于之前出现内存不足问题，所有字段都具有“format: doc_values”。所有数据缓存在 RAM 上后，我的响应时间为 500 - 4000 毫秒，但一旦数据变得足够大，ES 就会停止运行。我有 140 个分片（每个索引 10 个），大小从 200 MB 到 2 GB 不等。
在运行一些基准查询后，ES 的性能开始下降，不断使用 50% 的 CPU 来执行某些操作（即使查询未运行），并且 head 插件对“localhost:9200/stats?all=true”的查询最多需要 45 秒。我安装了 Marvel 的开发版本，它开始在 /.marver-kibana/appdata/marvelOpts 查询上报告 404。
我真的需要更多 RAM 和/或更多节点吗（目前 RAM 占全部数据大小的 13%），还是我应该尝试一些调整？我想索引 4 倍于当前数据量的数据。之前我在一台 8 GB 的虚拟机上进行测试，一半的数据也出现了类似的症状。如果有用的话，我会提供更多信息。