在使用ES的过程中，有的搜索请求的响应可能比较慢，其中大部分的原因是DSL的执行逻辑有问题。
ES提供了profile功能，该功能详细地列出了搜索时每一个步骤的耗时，可以帮助用户对DSL的性能进行剖析。
开启profile功能只需要在一个正常的搜索请求的DSL中添加"profile":"true"即可。以下查询将开启profile功能：
{ "profile": "true", //打开性能剖析开关 "query": { //查询条件 "match": { "title": "金都" } } }
执行以上DSL后ES返回了一段比较冗长的信息，下面是省略一些信息的返回数据。
{ "took":2, "timed_out":false, "_shards":…, "hits":…, "profile":{ //命中的分片信息 "shards":[ { "id":"[N533dYYvQWeYoRSPjpo8EA][hotel][0]", "searches":[ { "query":[ { //在title中搜索“金都”，被ES拆分成两个子查询 "type":"BooleanQuery", "description":"title:金 title:都", "time_in_nanos":311540, //match搜索的总耗时 "breakdown":{ "set_min_competitive_score_count":0, "match_count":3, //命中的文档个数 "shallow_advance_count":0, "set_min_competitive_score":0, "next_doc":11689, "match":1833, "next_doc_count":3, "score_count":3, //打分的文档个数 "compute_max_score_count":0, "compute_max_score":0, "advance":46290, "advance_count":1, "score":9070, "build_scorer_count":2, "create_weight":137353, "shallow_advance":0, "create_weight_count":1, "build_scorer":105305 }, "children":[ //子查询 { //子查询"title:金" "type":"TermQuery", "description":"title:金", "time_in_nanos":123649, //耗时 "breakdown":Object{…} }, { //子查询"title:都" "type":"TermQuery", "description":"title:都", "time_in_nanos":29648, "breakdown":Object{…} } ] } ], "rewrite_time":12001, "collector":[ //ES 收集数据性能剖析 { "name":"SimpleTopScoreDocCollector", "reason":"search_top_hits", "time_in_nanos":18004 //ES收集数据的耗时 } ] } ], "aggregations":… //聚合性能剖析，本次搜索无聚合，因此数据为空 } ] } }
如上所示，在带有profile的返回信息中，除了包含搜索结果外，还包含profile子句，在该子句中展示了搜索过程中各个环节的名称及耗时情况。
需要注意的是，使用profile功能是有资源损耗的，建议用户只在前期调试的时候使用该功能，在生产中不要开启profile功能。
上面只是一个很简单的例子，如果查询比较复杂或者命中的分片比较多，profile返回的信息将特别冗长。在这种情况下，用户进行性能剖析的效率将非常低。
为此，Kibana提供了可视化的profile功能，该功能建立在ES的profile功能基础上。在Kibana的Dev Tools界面中单击Search Profiler链接，就可以使用可视化的profile了，其区域布局如图所示。
文章来源:Elasticsearch搜索引擎构建入门与实战 --> 4.1.4 性能分析