ES数据库重建索引 |
您所在的位置:网站首页 › es索引重建 › ES数据库重建索引 |
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(这步非常重要)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" } } 并修改了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把上面两个值进行修改即可 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。 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。效果: 实践证明,比默认设置reindex速度能提升10倍+。 关注我的公众号【宝哥大数据】,更多干货 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |