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。

3.2、扩集群迁移

和同集群数据迁移基本一样，就是多了一个设置白名单而已。
- （如果是A集群 --> B集群，就需要在B中的elasticsearch.yml 设置A地址为白名单）
- reindex.remote.whitelist: 172.16.1.236:9200
设置好索引、number_of_replicas: 0、refresh_interval: -1
在remote中设置远程集群的地址与账号密码（如果配置了的话）。
也可以添加query属性，只查询符号条件的。

POST /_reindex
{"source": {"index": "test_v1","remote": {"host": "http://destHost:9200","username": "username","password": "password"},"query": {"match_all": {}}},"dest": {"index": "test_remote"}
}

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

ES数据库重建索引——Reindex(数据迁移)相关推荐

【elasticsearch】ES数据库重建索引 -- Reindex(数据迁移)
1.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 ...
远程登录另一个mysql 数据库_Ubuntu中开启MySQL远程访问功能，并将另一个数据库服务器中的数据迁移到新的服务器中...
技术交流群:233513714 一.开启MyS远程访问功能 1.进入服务器输入netstat -an | grep 3306确认3306是否对外开放,MySQL默认状态下是不对外开放访问功能的.输入以 ...
TiDB数据库备份恢复与数据迁移
TiDB数据库备份恢复与数据迁移数据迁移使用 mydumper/loader 全量导入数据 mydumper/loader 全量导入数据最佳实践某次导入示例,以及相关的配置从 MySQL 导出 ...
Ubuntu中开启MySQL远程访问功能，并将另一个数据库服务器中的数据迁移到新的服务器中...
技术交流群:233513714 一.开启MyS远程访问功能 1.进入服务器输入netstat -an | grep 3306确认3306是否对外开放,MySQL默认状态下是不对外开放访问功能的.输入以 ...
ElasticSearch:Reindex数据迁移使用
一.前言 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. 二.Reindex 5.X版本后新增_r ...
数据库建立索引、数据表创建规则、备用字段 / 保留字段 / 预留字段
数据库建立索引数据库.数据表建立索引的原则数据库建立索引的原则 1,确定针对该表的操作是大量的查询操作还是大量的增删改操作. 2,尝试建立索引来帮助特定的查询.检查自己的sql语句,为那些频繁在w ...
达梦数据库——Oracle到达梦数据迁移
## 迁移思路 1.统计Oracle库中对象以及表数据量: 2.达梦数据库选择合适的初始化参数: BLANK_PAD_MODE 空格填充模式选1, CASE_SENSITIVE 大小写敏感:可以考虑开 ...
国产化适配之人大金仓数据库（二）数据迁移
本文介绍金仓数据库windows客户端自带的可视化界面数据迁移工具来迁移mysql的数据到金仓数据库. KingbaseDTS 数据库迁移工具迁移前准备因为不能使用默认的system用户,所以需要 ...
数据库重建索引计划任务
计划任务重建索引转载于:https://www.cnblogs.com/RogerLu/p/10236975.html

ES数据库重建索引——Reindex(数据迁移)