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。

  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)。

这时候去看数据，是看不到数据的，因为还要刷新才行。

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。

校验完数据的完整性和正确性，再进行别名的切换。

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。

  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？

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：

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。

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。

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）

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：

slices大小设置注意事项：

效果: 实践证明，比默认设置reindex速度能提升10倍+。