es数据量大，如何进行性能优化

我有个文章的爬虫库，mapping如下：
{
"article": {
"mappings": {
"dynamic": "strict",
"properties": {
"article_id": { //文章id
"type": "keyword"
},
"publish_date": { //文章发布时间
"type": "date",
"format": "yyyy-MM-dd"
},
"link": { //文章链接
"type": "keyword"
},
"site": { //文章来源站点
"type": "keyword"
},
"article_author": { //文章作者
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
},
"analyzer": "ik_max_word",
"search_analyzer": "ik_smart"
},
"article_title": { //文章标题
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
},
"pinyin": {
"type": "text",
"boost": 10.0,
"term_vector": "with_offsets",
"analyzer": "pinyin_analyzer"
}
},
"analyzer": "ik_max_word",
"search_analyzer": "ik_smart"
},
"article_desc": { //文章描述
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
},
"pinyin": {
"type": "text",
"boost": 10.0,
"term_vector": "with_offsets",
"analyzer": "pinyin_analyzer"
}
},
"analyzer": "ik_max_word",
"search_analyzer": "ik_smart"
},
"report": { //文章每天的报表数据统计
"type": "nested",
"properties": {
"rdt_click": {//点击量
"type": "integer",
"index": false
},
"rdt_impression": {//曝光量
"type": "integer",
"index": false
},
"rdt_comment": {//评论数
"type": "integer",
"index": false
},
"rdt_like": {//点赞数
"type": "integer",
"index": false
},
"rdt_date": {//报表日期
"type": "date",
"format": "yyyy-MM-dd"
}
}
}
}
}
}
}

数据都存到一个索引里面，目前这个索引有30多G。有些查询很慢，经常报OOM的错误。现在是一篇文章对应一条记录，报表的数据通过nested字段存储。每天一条存到nested字段里面。想对这块做一个优化，提升查询的速度。

现在想按照report里面的每天的报表数据拆分开，索引按照月份来存，以report里面的rdt_date所在的月份创建索引。索引的结构如下。
{
"article" : {
"mappings" : {
"dynamic" : "strict",
"properties" : {
"article_id" : {
"type" : "keyword"
},
"publish_date" : {
"type" : "date",
"format" : "yyyy-MM-dd"
},
"link" : {
"type" : "keyword"
},
"site" : {
"type" : "keyword"
},
"article_author": { //文章作者
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
},
"analyzer": "ik_max_word",
"search_analyzer": "ik_smart"
},
"article_title" : {
"type" : "text",
"fields" : {
"keyword" : {
"type" : "keyword",
"ignore_above" : 256
},
"pinyin" : {
"type" : "text",
"boost" : 10.0,
"term_vector" : "with_offsets",
"analyzer" : "pinyin_analyzer"
}
},
"analyzer" : "ik_max_word",
"search_analyzer" : "ik_smart"
},
"article_desc" : {
"type" : "text",
"fields" : {
"keyword" : {
"type" : "keyword",
"ignore_above" : 256
},
"pinyin" : {
"type" : "text",
"boost" : 10.0,
"term_vector" : "with_offsets",
"analyzer" : "pinyin_analyzer"
}
},
"analyzer" : "ik_max_word",
"search_analyzer" : "ik_smart"
},
"rdt_click" : {
"type" : "integer",
"index" : false
},
"rdt_impression" : {
"type" : "integer",
"index" : false
},
"rdt_comment" : {
"type" : "integer",
"index" : false
},
"rdt_like" : {
"type" : "integer",
"index" : false
},
"rdt_date" : {
"type" : "date",
"format" : "yyyy-MM-dd"
}
}
}
}
}

没什么变化，只是把nested拆开了。但是这样的话，文档数跟储存空间就增加了很多。之前一篇文章有100条的数据，对应之前的索引是一条记录。但是现在则是100条记录。刷完数据算下来，存储空间占用了90G左右，是原来的3倍左右。

但是这个有些查询还是不能满足需求，有些月份的数据有40多G, 有些查询排序还是很慢，OOM。如果是按照全部月份索引全局查询，就更慢了。

想请教下这块应该怎么优化。有些数据它可能是全局的查询，比如按照曝光量倒序排序，找出一篇全网最高的文章，不限月份。

我还想通过histogram filed类型存储report报表的数据，这样还是对应一条数据，不会拆成多条，但是这个histogram filed字段不好过滤，比如只统计最近一个礼拜的报表数据。