zoukankan      html  css  js  c++  java
  • Elasticsearch _reindex Alias使用

    ES数据库重建索引——Reindex(数据迁移)

    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/indices-aliases.html

    正因为当初对未来做了太多的憧憬,所以对现在的自己尤其失望。生命中曾经有过的所有灿烂,终究都需要用寂寞来偿还。
  • 相关阅读:
    idea资源导出失败的问题
    计算机的运算方法
    ajax返回json字符串,前端显示中文乱码问题解决
    解决xml编码问题:1 字节的 UTF8 序列的字节 1 无效
    【转】erlang四种监控策略one_for_one、one_for_all、simple_one_for_one、rest_for_one
    erlang:register and global:register_name
    【转】重点介绍erlang的global模块
    memset函数用法
    简单实现SQL Server 2012高可用性组
    《mysql必知必会》读书笔记游标的使用
  • 原文地址:https://www.cnblogs.com/candlia/p/11919905.html
Copyright © 2011-2022 走看看