imp 只导入索引_Elasticsearch系列---实战零停机重建索引

前言

我们使用Elasticsearch索引文档时，最理想的情况是文档JSON结构是确定的，数据源源不断地灌进来即可，但实际情况中，没人能够阻拦需求的变更，在项目的某个版本，可能会对原有的文档结构造成冲击，增加新的字段还好，如果要修改原有的字段，只能重建索引了。

概要

本篇以实战方式讲解如何零停机完成索引重建的三种方案。

外部数据导入方案

整体介绍

系统架构设计中，有关系型数据库用来存储数据，Elasticsearch在系统架构里起到查询加速的作用，如果遇到索引重建的操作，待系统模块发布新版本后（若重建索引不是因为客户端修改导致的，可以不停机发版，直接操作），可以从数据库将数据查询出来，重新灌到Elasticsearch即可。

执行步骤

建议的功能方案：数据库 + MQ + 应用模块 + Elasticsearch，可以在MQ控制台发送MQ消息来触发重导数据，按批次对数据进行导入，整个过程异步化处理，请求操作示意如下所示：

详细操作步骤：

通过MQ的web控制台或cli命令行，发送指定的MQ消息
MQ消息被微服务模块的消费者消费，触发ES数据重新导入功能
微服务模块从数据库里查询数据的总数及批次信息，并将每个数据批次的分页信息重新发送给MQ消息，分页信息包含查询条件和偏移量，此MQ消息还是会被微服务的MQ消息者接收处理。
微服务根据接收的查询条件和分页信息，从数据库获取到数据后，根据索引结构的定义，将数据组装成ES支持的JSON格式，并执行bulk命令，将数据发送给Elasticsearch集群。

这样就可以完成索引的重建工作。

方案特点

MQ中间件的选型不做具体要求，常见的rabitmq、activemq、rocketmq等均可。

在微服务模块方面，提供MQ消息处理接口、数据处理模块需要事先开发的，一般是创建新的索引时，配套把重建的功能也一起做好。整体功能共用一个topic，针对每个索引，有单独的结构定义和MQ消息处理tag，代码尽可能复用。处理的批次大小需要根据实际的情况设置。

微服务模块实例会部署多个，数据是分批处理的，批次信息会一次性全部先发送给MQ，各个实例处理的数据相互不重叠，利用MQ消息的异步处理机制，可以充分利用并发的优势，加快数据重建的速度。

方案缺点

对数据库造成读取压力，短时间内大量的读操作，会占用数据库的硬件资源，严重时可能引起数据库性能下降。
网络带宽占用多，数据毕竟是从一个库传到另一个库，虽说是内网，但大量的数据传输带宽占用也需要注意。
数据重建时间稍长，跟迁移的数据量大小有关。

基于scroll+bulk+索引别名方案

整体介绍

利用Elasticsearch自带的一些工具完成索引的重建工具，当然在方案实际落地时，可能也会依赖客户端的一些功能，比如用Java客户端持续的做scroll查询、bulk命令的封装等，但与上一方案相比，最明显的区别就是：数据完全自给自足，不依赖其他数据源。

执行步骤

假设原索引名称是music，新的索引名称为musicnew，Java客户端使用别名musicalias连接Elasticsearch，该别名指向原索引music。

若Java客户端没有使用别名，需要给客户端分配一个:PUT /music/_alias/music_alias
新建索引music_new，将mapping信息，settings信息等按新的要求全部定义好。
使用scroll api将数据批量查询出来

GET /music/_search?scroll=1m
{"query": {"match_all": {}},"sort": ["_doc"],"size":  1000
}

采用bulk api将scoll查出来的一批数据，批量写入新索引

POST /_bulk
{ "index":  { "_index": "music_new", "_type": "children", "_id": "1" }}
{ "name":    "wake me, shake me" }

反复执行步骤3和步骤4，查询一批导入一批，可以借助Java Client或其他语言的API支持。
切换别名musicalias到新的索引musicnew上面，此时Java客户端仍然使用别名访问，也不需要修改任何代码，不需要停机。

POST /_aliases
{"actions": [{ "remove": { "index": "music", "alias": "music_alias" }},{ "add":    { "index": "music_new", "alias": "music_alias" }}]
}

验证别名查询的是否为新索引的数据

方案特点

在数据传输上基本自给自足，不依赖于其他数据源，Java客户端不需要停机等待数据迁移，网络传输占用带宽较小。

只是scroll查询和bulk提交这部分，数据量大时需要依赖一些客户端工具。

补充一点

在Java客户端或其他客户端访问Elasticsearch集群时，使用别名是一个好习惯。

Reindex API方案

Elasticsearch v6.3.1已经支持Reindex API，它对scroll、bulk做了一层封装，能够对文档重建索引而不需要任何插件或外部工具。

最基础的命令：

POST _reindex
{"source": {"index": "music"},"dest": {"index": "music_new"}
}

响应结果：

{"took": 180,"timed_out": false,"total": 4,"updated": 0,"created": 4,"deleted": 0,"batches": 1,"version_conflicts": 0,"noops": 0,"retries": {"bulk": 0,"search": 0},"throttled_millis": 0,"requests_per_second": -1,"throttled_until_millis": 0,"failures": []
}

注意：如果不手动创建新索引music_new的mapping信息，那么Elasticsearch将启动自动映射模板对数据进行类型映射，可能不是期望的类型，这点要注意一下。

version_type 属性

使用reindex api也是创建快照后再执行迁移的，这样目标索引的数据可能会与原索引有差异，version_type属性可以决定乐观锁并发处理的规则。

reindex api可以设置version_type属性，如下：

POST _reindex
{"source": {"index": "music"},"dest": {"index": "music_new""version_type": "internal"}
}

version_type属性含义如下：

internal：直接拷贝文档到目标索引，对相同的type、文档ID直接进行覆盖，默认值
external：迁移文档到目标索引时，保留version信息，对目标索引中不存在的文档进行创建，已存在的文档按version进行更新，遵循乐观锁机制。

op_type 属性和conflicts 属性

如果op_type设置为create，那么迁移时只在目标索引中创建ID不存在的文档，已存在的文档，会提示错误，如下请求：

POST _reindex
{"source": {"index": "music"},"dest": {"index": "music_new","op_type": "create"}
}

有错误提示的响应，节选部分：

{"took": 11,"timed_out": false,"total": 5,"updated": 0,"created": 1,"deleted": 0,"batches": 1,"version_conflicts": 4,"noops": 0,"retries": {"bulk": 0,"search": 0},"throttled_millis": 0,"requests_per_second": -1,"throttled_until_millis": 0,"failures": [{"index": "music_new","type": "children","id": "2","cause": {"type": "version_conflict_engine_exception","reason": "[children][2]: version conflict, document already exists (current version [17])","index_uuid": "dODetUbATTaRL-p8DAEzdA","shard": "2","index": "music_new"},"status": 409}]
}

如果加上"conflicts": "proceed"配置项，那么冲突信息将不展示，只展示冲突的文档数量，请求和响应结果将变成这样：

请求：

POST _reindex
{"conflicts": "proceed","source": {"index": "twitter"},"dest": {"index": "new_twitter","op_type": "create"}
}

响应:

{"took": 12,"timed_out": false,"total": 5,"updated": 0,"created": 1,"deleted": 0,"batches": 1,"version_conflicts": 4,"noops": 0,"retries": {"bulk": 0,"search": 0},"throttled_millis": 0,"requests_per_second": -1,"throttled_until_millis": 0,"failures": []
}

query支持

reindex api支持数据过滤、数据排序、size设置、_source选择等，也支持脚本执行，这里提供一个简单示例：

POST _reindex
{"size": 100, "source": {"index": "music","query": {"term": {"language": "english"}},"sort": {"likes": "desc"}},"dest": {"index": "music_new"}
}

小结

本篇介绍了零停机索引重建操作的三个方案，从自研功能、scroll+bulk到reindex，我们作为Elasticsearch的使用者，三个方案的参与度是逐渐弱化的，但稳定性却是逐渐上升的，我们需要清楚地去了解各个方案的优劣，适宜的场景，然后根据实际的情况去权衡，哪个方案更适合我们的业务模型，仅供参考，谢谢。

专注Java高并发、分布式架构，更多技术干货分享与心得，请关注公众号：Java架构社区