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。