Elasticsearch 批量数据迁移和索引mapping修改

需求:原始索引中有2亿条数据,并且在线上运行,现在需要更具给部分数据添加一个标签(即新增一个字段,address);

困难:

1).Elasticsearch不支持动态修改mapping。

2).由于数据量很大,新建索引,并且进行数据迁移效率很慢

数据情况:

索引:test_jyong_old

别名:test_jyong_alias

数据量:2亿

mapping:

{
  "test_jyong_old": {
    "mappings": {
      "doc": {
        "dynamic": "false",
        "_source": {
          "includes": [
            "name",
            "age"
          ]
        },
        "date_detection": false,
        "properties": {
          "name": {
            "type": "text"
          },
          "age": {
            "type": "Integer"
          }
        }
      }
    }
  }
}

解决方案:

由于mapping中_source字段includes有了约束,所以不能使用properties添加字段的方式进行处理只能新建索引(这种方式优先推荐),只能新建索引进行数据迁移

1.新建索引mapping

{
  "test_jyong_new": {
    "mappings": {
      "doc": {
        "dynamic": "false",
        "_source": {
          "includes": [
            "name",
            "address",
            "age"
          ]
        },
        "properties": {
          "name": {
            "type": "text"
          },
          "address": {
            "type": "keyword"
          },
          "age": {
            "type": "Integer"
          }
        }
      }
    }
  }
}

2.进行数据迁移

1.reindex迁移:(控制size大小批量)

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。

POST /_reindex
{
    "source": {
        "index": "test_jyong_old",
        "size": 10000
    },
    "dest": {
        "index": "test_jyong_new",
        "routing": "=cat"
    }
}

数据迁移效率

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?

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。

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。

数据迁移效率

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?

原因分析:

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

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

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": "test_jyong_old"
  },
  "dest": {
    "index": "test_jyong_new"
  }
}

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。

实践证明,比默认设置reindex速度能提升10倍+。

3.使用painless脚本进行标签的添加

方式一:
 

POST test_jyong_new/doc/1/_update
{
  "script": {
    "lang": "painless",
    "inline": "ctx._source.address= params.address",
    "params": {
      "address":['北京','上海']
    }
  }
}

方式二:

POST test_jyong_new/doc/1/_update
{
  "script": {
    "lang": "painless",
    "inline": "ctx._source.sc='aa'"
  }
}

标签添加完成!!!

 

 

Tips: 动态修改mapings,索引mapping中没有设置_source的includes约束时可以使用properties动态修改

PUT test_jyong_new/doc/_mapping
{
  "properties": {
    "address":{
      "type": "keyword"
    }
  }
}

 

 

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值