一、应用背景
ES在创建好索引后，mapping的properties属性类型是不能更改的，只能添加。
如果说需要修改字段就需要重新建立索引然后把旧数据导到新索引。
1、当你的数据量过大，而你的索引最初创建的分片数量不足，导致数据入库较慢的情况，此时需要扩大分片的数量，此时可以尝试使用Reindex。
2、当数据的mapping需要修改，但是大量的数据已经导入到索引中了，重新导入数据到新的索引太耗时；但是在ES中，一个字段的mapping在定义并且导入数据之后是不能再修改的，所以这种情况下也可以考虑尝试使用Reindex。
5.X版本后新增_reindex API 。
Reindex可以直接在Elasticsearch集群里面对数据进行重建。并且支持跨集群间的数据迁移。
二、数据迁移步骤
2.0、源索引
PUT /test_v1
{
"mappings": {
"properties": {
"id": {
"type": "integer"
},
"name": {
"type": "text",
"fields": {
"keyword" : {
"type" : "keyword",
"ignore_above" : 256
}
}
},
"age": {
"type": "long"
}
}
},
"settings": {
"number_of_replicas": 2,
"number_of_shards": 3
},
"aliases": {
"test": {},
"test_read": {},
"test_write":{}
}
}
2.1、创建目标索引
为什么这么说？
因为一开始，在备份数据的场景下，我以为dest index不用创建，最后测试发现如果dest index不创建，对于非text类
型数据，可能会变成text类型(不建议这样做，所以最好创建好dest index)。
PUT /test_dest
{
"mappings": {
"properties": {
"id": {
"type": "integer"
},
"name": {
"type": "text",
"fields": {
"keyword" : {
"type" : "keyword",
"ignore_above" : 256
}
}
},
"age": {
"type": "long"
}
}
},
"settings": {
"number_of_replicas": 0,
"number_of_shards": 3,
"refresh_interval": "-1"
}
}
修改了number_of_replicas和refresh_interval
设置number_of_replicas为0防止我们迁移文档的同时又发送到副本节点，影响性能
设置refresh_interval为-1是限制其刷新，默认是1秒
当我们数据迁移完成再将上面两个值进行修改回来。
2.2、拷贝数据
POST _reindex
{
"source": {
"index": "old_index",
"size":1000 //可选，每次批量提交1000个，可以提高效率，建议每次提交5-15M的数据
},
"dest": {
"index": "new_index"
}
}
这时候去看数据，是看不到数据的，因为还要刷新才行。
2.3、恢复刷新和副本配置
PUT /test_dest/_settings
{
"refresh_interval": "1s",
"number_of_replicas": 2
}
更新副本数和刷新时间，自此数据迁移就完成了，因为之前的索引不用，但是接口都是指向之前的索引，我们就在新索引添加别名即可。
2.4、如果迁移需要，切换别名
校验完数据的完整性和正确性，再进行别名的切换。
POST /_aliases
{
"actions": [
{
"remove": {
"index": "test_v1",
"alias": "test"
}
},
{
"remove": {
"index": "test_v1",
"alias": "test_read"
}
},
{
"remove": {
"index": "test_v1",
"alias": "test_write"
}
},
{
"add": {
"index": "test_dest",
"alias": "test"
}
},
{
"add": {
"index": "test_dest",
"alias": "test_read"
}
},
{
"add": {
"index": "test_dest",
"alias": "test_write"
}
}
]
}
三、重要注意事项
3.1、备份数据时，目标索引必须创建，否则改变了目标索引
没有创建目标索引，导致id类型从integer变成了long, 分片和副本都变成1。
image.png
3.2、扩集群迁移
-
和同集群数据迁移基本一样，就是多了一个设置白名单而已
（如果是A集群 --> B集群，就需要在B中的elasticsearch.yml 设置A地址为白名单）
reindex.remote.whitelist: xx.xx.xx.xx:9200,xx.xx.xx.xx:9200,xx.xx.xx.xx:9200 -
设置好索引、number_of_replicas: 0、refresh_interval: -1
-
在remote中设置远程集群的地址与账号密码（如果配置了的话），也可以添加query属性，只查询符号条件的
POST /_reindex
{
"source": {
"index": "test_v1",
"remote": {
"host": "http://destHost:9200",
"username": "username",
"password": "password"
},
"query": {
"match_all": {}
}
},
"dest": {
"index": "test_remote"
}
}
完成之后记得重新配置远程集群索引的number_of_replicas、refresh_interval。
3.3、数据迁移效率
3.3.1、问题发现
常规的如果我们只是进行少量的数据迁移利用普通的reindex就可以很好的达到要求，但是当我们发现我们需要迁移的数据量过大时，我们会发现reindex的速度会变得很慢
数据量几十个G的场景下，elasticsearch reindex速度太慢，从旧索引导数据到新索引，当前最佳方案是什么？
3.3.2、原因分析
reindex的核心做跨索引、跨集群的数据迁移。
慢的原因及优化思路无非包括：
1）批量大小值可能太小，需要结合堆内存、线程池调整大小；
2）reindex的底层是scroll实现，借助scroll并行优化方式，提升效率；
3）跨索引、跨集群的核心是写入数据，考虑写入优化角度提升效率。
3.3.3、可行方案
3.3.3.1、提升批量写入大小值
默认情况下，_reindex使用1000进行批量操作，您可以在source中调整batch_size。
POST _reindex
{
"source": {
"index": "source",
"size": 5000
},
"dest": {
"index": "dest"
}
}
批量大小设置的依据：
1、使用批量索引请求以获得最佳性能。
批量大小取决于数据、分析和集群配置，但一个好的起点是每批处理5-15 MB。
注意，这是物理大小，文档数量不是度量批量大小的好指标。
例如，如果每批索引1000个文档:
1）每个1kb的1000个文档是1mb。
2）每个100kb的1000个文档是100 MB。
这些是完全不同的体积大小。
2、逐步递增文档容量大小的方式调优。
1）从大约5-15 MB的大容量开始，慢慢增加，直到你看不到性能的提升。然后开始增加批量写入的并发性(多线程等等)。
2）使用kibana、cerebro或iostat、top和ps等工具监视节点，以查看资源何时开始出现瓶颈。如果您开始接收EsRejectedExecutionException，您的集群就不能再跟上了:至少有一个资源达到了容量。
要么减少并发性，或者提供更多有限的资源(例如从机械硬盘切换到ssd固态硬盘)，要么添加更多节点。
3.3.3.2、借助scroll的sliced提升写入效率
reindex支持Sliced Scroll以并行化重建索引过程。
这种并行化可以提高效率，并提供一种方便的方法将请求分解为更小的部分。
sliced原理（from medcl）
1）用过Scroll接口吧，很慢？如果你数据量很大，用Scroll遍历数据那确实是接受不了，现在Scroll接口可以并发来进行数据遍历了。
2）每个Scroll请求，可以分成多个Slice请求，可以理解为切片，各Slice独立并行，利用Scroll重建或者遍历要快很多倍。
slicing使用举例
slicing的设定分为两种方式：手动设置分片、自动设置分片。
手动设置分片参见官网。
自动设置分片如下：
POST _reindex?slices=5&refresh
{
"source": {
"index": "twitter"
},
"dest": {
"index": "new_twitter"
}
}
slices大小设置注意事项：
1）slices大小的设置可以手动指定，或者设置slices设置为auto，auto的含义是：
针对单索引，slices大小=分片数
针对多索引，slices=分片的最小值
2）当slices的数量等于索引中的分片数量时，查询性能最高效。slices大小大于分片数，非但不会提升效率，反而会增加开销。
3）如果这个slices数字很大(例如500)，建议选择一个较低的数字，因为过大的slices 会影响性能。
实践证明，比默认设置reindex速度能提升10倍+。
四、参考
reindex官方文档
https://www.elastic.co/guide/en/elasticsearch/reference/current/docs-reindex.html
ES数据库重建索引——Reindex(数据迁移)
https://www.cnblogs.com/Ace-suiyuan008/p/9985249.html
elasticsearch 基础 —— reIndex
https://www.cnblogs.com/gmhappy/p/11864054.html
Elasticsearch Reindex性能提升10倍+实战
https://blog.csdn.net/laoyang360/article/details/81589459
ElasticSearch - Reindexing your data with zero downtime
https://stackoverflow.com/questions/29508955/elasticsearch-reindexing-your-data-with-zero-downtime
网友评论