干货 | Elasticsearch Reindex性能提高10倍+实战（转）

转自 https://blog.csdn.net/laoyang360/article/details/81589459

一、reindex的速率极慢，是否有办法改善？
如下问题来自社区：https://elasticsearch.cn/question/3782

问题1：reindex和snapshot的速率极慢，是否有办法改善？
reindex和snapshot的速率比用filebeat或者kafka到es的写入速率慢好几个数量级（集群写入性能不存在瓶颈），reindex/snapshot的时候CPU仍是IO使用率都很低，是否是集群受什么参数限制了reindex和snapshot的速率？
reindex不论是跨集群仍是同集群上都很慢，大约3~5M/s的索引速率，会是什么缘由致使的？

问题2：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？
二、Reindex简介
5.X版本后新增Reindex。Reindex能够直接在Elasticsearch集群里面对数据进行重建，若是你的mapping由于修改而须要重建，又或者索引设置修改须要重建的时候，借助Reindex能够很方便的异步进行重建，而且支持跨集群间的数据迁移。好比按天建立的索引能够按期重建合并到以月为单位的索引里面去。固然索引里面要启用_source。

POST _reindex
{
"source": {
"index": "twitter"
},
"dest": {
"index": "new_twitter"
}
}
三、缘由分析
reindex的核心作跨索引、跨集群的数据迁移。
慢的缘由及优化思路无非包括：

1）批量大小值可能过小。
须要结合堆内存、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，提高效率；
3）跨索引、跨集群的核心是写入数据，考虑写入优化角度提高效率。
四、Reindex提高迁移效率的方案
4.1 提高批量写入大小值
默认状况下，_reindex使用1000进行批量操做，您能够在source中调整batch_size。

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得到最佳性能。
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，若是每批索引1000个文档，:
1）每一个1kb的1000个文档是1mb。
2）每一个100kb的1000个文档是100 MB。
这些是彻底不一样的体积大小。
（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，慢慢增长，直到你看不到性能的提高。而后开始增长批量写入的并发性(多线程等等)。
2）使用kibana、cerebro或iostat、top和ps等工具监视节点，以查看资源什么时候开始出现瓶颈。若是您开始接收EsRejectedExecutionException，您的集群就不能再跟上了:至少有一个资源达到了容量。要么减小并发性，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。
4.2 借助scroll的sliced提高写入效率
Reindex支持Sliced Scroll以并行化重建索引过程。 这种并行化能够提升效率，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？若是你数据量很大，用Scroll遍历数据那确实是接受不了，如今Scroll接口能够并发来进行数据遍历了。
2）每一个Scroll请求，能够分红多个Slice请求，能够理解为切片，各Slice独立并行，利用Scroll重建或者遍历要快不少倍。

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。
自动设置分片以下：

POST _reindex?slices=5&refresh
{
"source": {
"index": "twitter"
},
"dest": {
"index": "new_twitter"
}
}

slices大小设置注意事项：
1）slices大小的设置能够手动指定，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，非但不会提高效率，反而会增长开销。
3）若是这个slices数字很大(例如500)，建议选择一个较低的数字，由于过大的slices 会影响性能。

4.3 ES副本数设置为0
若是要进行大量批量导入，请考虑经过设置index.number_of_replicas来禁用副本：0。
主要缘由在于：复制文档时，将整个文档发送到副本节点，并逐字重复索引过程。 这意味着每一个副本都将执行分析，索引和潜在合并过程。
相反，若是您使用零副本进行索引，而后在提取完成时启用副本，则恢复过程本质上是逐字节的网络传输。 这比复制索引过程更有效。

PUT /my_logs/_settings
{
"number_of_replicas": 1
}

4.4 增长refresh间隔
若是你的搜索结果不须要接近实时的准确性，考虑先不要急于索引刷新refresh。能够将每一个索引的refresh_interval到30s。
若是正在进行大量数据导入，能够经过在导入期间将此值设置为-1来禁用刷新。完成后不要忘记从新启用它!
设置方法：

PUT /my_logs/_settings
{ "refresh_interval": -1 }

五、小结
实践证实，比默认设置reindex速度能提高10倍+。
遇到相似问题，多从官网、原理甚至源码的角度思考，逐步拆解分析。
只要思惟不滑坡，办法总比问题多！

参考：
[1] Jest Reindex参考：http://t.cn/RDOyIc8
[2] 官网性能优化：http://t.cn/RDOyJqr
[3] 论坛讨论：http://t.cn/RDOya3a

[4] 官网reindex介绍： https://www.elastic.co/guide/en/elasticsearch/reference/5.6/docs-reindex.html--------------------- 做者：铭毅天下（公众号同名） 来源：CSDN 原文：https://blog.csdn.net/laoyang360/article/details/81589459 版权声明：本文为博主原创文章，转载请附上博文连接！