数据迁移:Reindex：
ES提供了_reindex这个API。相对于程序重新导入数据快，实测速度大概是bulk导入数据的5-10倍。
数据迁移步骤：
1、创建新的索引
2、迁移数据
1）代码请求：
POST _reindex
{
"source": {
"index": "old_index"
},
"dest": {
"index": "new_index",
"version_type": "internal"
}
}
2）利用命令：
curl _XPOST 'esIp:9200/_reindex' -d{"source":{"index":"old_index"},"dest":{"index":"new_index","version_type": "internal"}}
version_type："version_type": "internal"，如果新的index中有数据，并且可能发生冲突则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。
优化
问题发现：
当迁移的数据量过大时，发现reindex的速度会变得很慢，比如数据量几十个G的场景下，elasticsearch reindex速度太慢
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。
优化方案：
1）提升批量写入大小值
默认_reindex使用1000进行批量操作
POST _reindex
{
"source": {
"index": "source",
"size": 5000
},
"dest": {
"index": "dest",
"routing": "=cat"
}
}
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。
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。
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。
手动设置分片如下：
POST _reindex?slices=5&refresh
{
"source": {
"index": "old_index"
},
"dest": {
"index": "new_index"
}
}
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。