美文网首页Es
【es】es数据迁移之reindex

【es】es数据迁移之reindex

作者: Bogon | 来源:发表于2021-11-14 00:27 被阅读0次

一、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,导致每个分片上承载的数据量太大,数据入库变慢,此时需要扩大分片的数量,而索引的分片数一旦创建,就无法修改

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

这些情况下,你就需要考虑尝试使用reinde,重建索引了。

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。

二、关于reindex

5.x版本后新增Reindex。

Reindex可以直接在Elasticsearch集群里面对数据进行重建,如果你的mapping因为修改而需要重建,又或者索引设置修改需要重建的时候,借助Reindex可以很方便的异步进行重建,并且支持跨集群间的数据迁移。比如按天创建的索引可以定期重建合并到以月为单位的索引里面去。

当然索引里面要启用_source。

reindex和snapshot的速率极慢,是否有办法改善?

reindex和snapshot的速率比用filebeat或者kafka到es的写入速率慢好几个数量级(集群写入性能不存在瓶颈),reindex/snapshot的时候CPU还是IO使用率都很低,是不是集群受什么参数限制了reindex和snapshot的速率?

reindex不管是跨集群还是同集群上都很慢,大约3~5M/s的索引速率,会是什么原因导致的?

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?

三、使用reindex数据迁移

1、创建新的索引

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

使用最简单、基本的方式。

1)代码请求:

2)利用命令

$  curl  -X  POST  'xx.xx.xx.xx:9200/_reindex'  -d {"source":{"index":"old_index"},"dest":{"index":"new_index"}}

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。

数据迁移效率

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:

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。

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、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:

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+。

四、参考

使用es reindex api 修改和迁移数据脚本

https://blog.csdn.net/weixin_38920212/article/details/102461563

Elasticsearch中refresh_interval参数

https://zhuanlan.zhihu.com/p/378295340

Elasticsearch Reindex性能提升10倍+实战

https://blog.csdn.net/laoyang360/article/details/81589459

吐槽一个ES-reindex迁移的大坑:reindex中routing=cat

https://www.jianshu.com/p/f3cab97074ce

Elasticsearch Reference [5.4] » Document APIs » Reindex API

https://www.elastic.co/guide/en/elasticsearch/reference/5.4/docs-reindex.html#docs-reindex

ElasticSearch:Reindex数据迁移使用

https://blog.csdn.net/u011487470/article/details/119894530

Elastic如何动态扩大主分片?

https://elasticsearch.cn/question/1904

如果目前索引已存在,如何增加分片数量?

https://elasticsearch.cn/question/1430

相关文章

  • ES:reindex中的坑

    吐槽一个ES-reindex迁移的大坑 在做ES跨集群迁移的时候,用到了ES的reindex进行数据迁移,查了很多...

  • 【es】es数据迁移之reindex

    一、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,导致每个分片上承载的数据量太大,数据入库变慢,...

  • 利用elasticsearch alias和reindex操作实

    利用ES的alias和reindex操作,可以实现某些业务场景下的服务零停机的数据迁移。 前提是,数据的读写操作均...

  • es迁移索引数据合并

    es集群迁移有两种方式使用 1.先在原来的es集群将迁移当天的索引文件名reindex,然后做快照,然后用快照恢复...

  • 【es】ES数据库,通过 reindex 实现数据迁移

    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...

  • es学习

    es reindex命令:POST _reindex?wait_for_completion=false{"sou...

  • Elasticsearch数据迁移与集群容灾

    本文讨论如何跨集群迁移ES数据以及如何实现ES的同城跨机房容灾和异地容灾。 跨集群数据迁移 在ES的生产实践中,往...

  • es

    数据迁移 es,es是一个开源的搜索引擎,es包括数据存储和数据检索,搜索数据会比 mysql 快很多,搜索接口是...

  • Elasticsearch:跨集群数据迁移之离线迁移

    跨集群数据迁移 用户在腾讯云上自建的ES集群或者在其它云厂商购买的ES集群,如果要迁移至腾讯云ES,用户可以根据自...

  • ES数据备份与恢复

    场景:ES线上的数据和服务迁移到另外的机器上去 老ES机器ip:172.16.0.1新ES机器ip:172.16....

网友评论

    本文标题:【es】es数据迁移之reindex

    本文链接:https://www.haomeiwen.com/subject/ujtttrtx.html