Elasticsearch _reindex Alias使用

客官°小女子只卖身不卖艺 2021-12-22 19:55 210阅读 0赞

[ES数据库重建索引——Reindex(数据迁移)][ES_Reindex]

### 应用背景： ###

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。

### Reindex： ###

ES提供了\_reindex这个API。相对于我们重新导入数据肯定会快不少，实测速度大概是bulk导入数据的5-10倍。

### 数据迁移步骤： ###

1、创建新的索引(可以通过java程序也可以直接在head插件上创建)

注意：在创建索引的时候要把表结构也要创建好(也就是mapping)

2、复制数据

最简单、基本的方式：

1）代码请求：

POST _reindex
    {
      "source": {
        "index": "old_index"
      },
      "dest": {
        "index": "new_index"
      }
    }

2）利用命令：

curl \_XPOST 'ES数据库请求地址:9200/\_reindex' -d\{"source":\{"index":"old\_index"\},"dest":\{"index":"new\_index"\}\}

但如果新的index中有数据，并且可能发生冲突，那么可以设置version\_type`"version_type": "internal"`或者不设置，则Elasticsearch强制性的将文档转储到目标中，覆盖具有相同类型和ID的任何内容：

POST _reindex
    {
      "source": {
        "index": "old_index"
      },
      "dest": {
        "index": "new_index",
        "version_type": "internal"
      }
    }

设置op\_type为create将导致\_reindex仅在目标索引中创建缺少的文档。所有存在的文档将导致版本POST \_reindex

{ 
    “source”: { 
    “index”: “twitter” 
    }, 
    “dest”: { 
    “index”: “new_twitter”, 
    “op_type”: “create” 
    } 
    }

版本冲突将中止\_reindex进程，但您可以通过请求体设置”conflict”:”proceed”来在冲突时进行计数：

POST _reindex
    {
      "conflicts": "proceed",
      "source": {
        "index": "twitter"
      },
      "dest": {
        "index": "new_twitter",
        "op_type": "create"
      }
    }

还可以通过向source添加type或添加query来限制文档

POST _reindex
    {
      "conflicts": "proceed",
      "source": {
        "index": "old_ijndex"
      },
      "dest": {
        "index": "new_index",
        "version_type": "internal",
        "op_type": "create"
      }
    }

增加查询

curl -u ${newClusterUser}:${newClusterPass} -XPOST "http://${newClusterHost}/_reindex?pretty" -H "Content-Type: application/json" -d'{
        "source": {
            "remote": {
                "host": "'${oldClusterHost}'",
                "username": "'${oldClusterUser}'",
                "password": "'${oldClusterPass}'"
            },
            "index": "'${indexName}'",
            "query": {
                "match_all": {}
            }
        },
        "dest": {
           "index": "'${indexName}'"
        }
    }'

数据量大、无删除操作、有更新时间。时间范围内

curl -u ${newClusterUser}:${newClusterPass} -XPOST "${newClusterHost}/_reindex?pretty" -H "Content-Type: application/json" -d '{
            "source": {
                "remote": {
                    "host": "'${oldClusterHost}'",
                    "username": "'${oldClusterUser}'",
                    "password": "'${oldClusterPass}'"
                },
                "index": "'${indexName}'",
                "query": {
                    "range" : {
                        "'${timeField}'" : {
                            "gte" : '${lastTimestamp}',
                            "lt" : '${curTimestamp}'
                        }
                    }
                }
            },
            "dest": {
                "index": "'${indexName}'"
            }
        }'

### ** es reindex script改字段内容** ###

reindex的时候，改变字段的内容

{
      "source": {
        "index": "twitter"
      },
      "dest": {
        "index": "new_twitter",
        "version_type": "external"
      },
      "script": {
        "source": "if (ctx._source.foo == 'bar') {ctx._version++; ctx._source.remove('foo')}",
        "lang": "painless"
      }
    }

### 数据迁移效率 ###

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？ ###

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。

可行方案：

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",
        "routing": "=cat"
      }
    }

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。

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+。

## Index Alias ##

当针对某个指定的index进行操作时候，ElasticSearch中的API接受一个index的名字。当然在多个index的情况下也可以指定多个index。

index aliases的API允许我们为一个index指定别名。一个别名能够被映射到多个index中，当指定了index对应已经有其它index对应的别名之后，别名可以自动扩展到多个index。一个别名能够关联上一个过滤器，当搜索和路由的时候能够自动使用这个过滤器。

add别名  
这个一个关联别名alias1到index test1的例子

curl -XPOST 'http://localhost:9200/_aliases' -d '
    {
        "actions" : [
            { "add" : { "index" : "test1", "alias" : "alias1" } }
        ]
    }'

成功则返回

\{"acknowledged":true\}  
  
remove别名  
也可以删除别名

curl -XPOST 'http://localhost:9200/_aliases' -d '
    {
        "actions" : [
            { "remove" : { "index" : "test1", "alias" : "alias1" } }
        ]
    }'

成功则返回

\{"acknowledged":true\}  
  
重命名  
重命名一个别名很简单，通过相同API的简单remove和add操作就可以了。这个操作是原子的，不用担心在很短的一段时间内别名并不指向任何一个index

curl -XPOST 'http://localhost:9200/_aliases' -d '
    {
        "actions" : [
            { "remove" : { "index" : "test1", "alias" : "alias1" } },
            { "add" : { "index" : "test1", "alias" : "alias2" } }
        ]
    }'

成功则返回

\{"acknowledged":true\}  
  
别名切换  
当然，也可以通过同一个API实现alias到不同index的切换。在实际使用中，如果我们通过别名来访问ElasticSearch，那么可以通过别名指向index的切换来实现不同版本数据的快速切换。

curl -XPOST 'http://localhost:9200/_aliases' -d '
    {
        "actions" : [
            { "remove" : { "index" : "test1", "alias" : "alias2" } },
            { "add" : { "index" : "test", "alias" : "alias2" } }
        ]
    }'

成功则返回

\{"acknowledged":true\}  
  
指向多个index的别名  
可以将一个别名指向多余一个index，通过简单的多个add操作

curl -XPOST 'http://localhost:9200/_aliases' -d '
    {
        "actions" : [
            { "add" : { "index" : "test1", "alias" : "alias1" } },
            { "add" : { "index" : "test2", "alias" : "alias1" } }
        ]
    }'

成功则返回

\{"acknowledged":true\}

参考：

[https://www.elastic.co/guide/en/elasticsearch/reference/master/docs-reindex.html][https_www.elastic.co_guide_en_elasticsearch_reference_master_docs-reindex.html]

[https://www.elastic.co/guide/en/elasticsearch/reference/master/indices-aliases.html][https_www.elastic.co_guide_en_elasticsearch_reference_master_indices-aliases.html]

[ES_Reindex]: https://www.cnblogs.com/Ace-suiyuan008/p/9985249.html
[https_www.elastic.co_guide_en_elasticsearch_reference_master_docs-reindex.html]: https://www.elastic.co/guide/en/elasticsearch/reference/master/docs-reindex.html
[https_www.elastic.co_guide_en_elasticsearch_reference_master_indices-aliases.html]: https://www.elastic.co/guide/en/elasticsearch/reference/master/indices-aliases.html