Elasticsearch 重建索引

2019-01-09 15:05:32   最后更新: 2019-01-09 15:05:32   访问数量:177




上一篇文章中,我们介绍了如何为 ik 分词器配置我们自己的分词库

Elasticsearch 常用分词器介绍与 ik 分词器自定义词库添加

但事实上,更加常见的场景是我们需要为一个已有大量数据的线上 ES 集群添加分词库

这时,配置分词库只是第一步操作,因为大量的历史数据在索引时并没有使用新添加的分词库,将导致查询出现不可预期的效果

此时,我们需要做的就是重建索引

 

 

至少在以下场景需要重建索引

 

生成索引方式变更

如上所述,因为新的词库的添加,导致历史数据需要按照新的索引生成方式来生成索引

此时,重建索引就是唯一的选择了

 

切分数据

对于已有 ES 集群,数据量庞大到一定程度或因为其他业务上的原因,往往需要将已有数据按照一定的规则进行切分到多个不同的索引中

这样的过程通过重建索引来实现是非常容易得

 

mapping 字段类型、分词器等属性变更

ES 本身是不支持字段类型变更的,如果将一个 text 类型的字段错误的定义为 datetime 类型,那么将导致所有不匹配日期时间格式的文本无法插入

此时也是不得不进行索引的删除重建工作的

 

对于线上业务来说,我们不能简单暴力地删除已有索引 -> 创建新索引 -> 导入数据的方式来重建索引,这样将严重影响到业务的使用

正确的流程是:

  1. 创建新索引
  2. 批量从原索引中将数据导出到新索引中
  3. 数据导入完成后,通过 ES 别名机制进行索引切换
  4. 删除旧索引

 

这样就实现了索引的平滑重建

 

Elasticsearch 提供了 scroll 查询语句,用于数据的批量导出

他在首次执行时创建会话并返回 _scroll_id 字段,此后通过 _scroll_id 都会直接使用上一次的会话上下文,从而实现加速查询的目的

我们需要通过 scroll 参数设置每次返回数据量的大小:

POST /myindex/_search?scroll=1m

{

    "size": 100,

    "query": {

        "match" : {

            "title" : "elasticsearch"

        }

    }

}

 

上面的查询返回了所有 title 为 elasticsearch 的结果,假设数据量远远超过 1m

此次查询会返回 _scroll_id,此后我们继续查询:

POST /myindex/_search/scroll 

{

    "scroll" : "1m", 

    "scroll_id" : "DXF1ZXJ5QW5kRmV0Y2gBAAAAAAAAAD4WYm9laVYtZndUQlNsdDcwakFMNjU1QQ==" 

}

 

直到所有数据查询完成,我们可以执行下面命令关闭会话:

DELETE /_search/scroll

{

    "scroll_id" : "DXF1ZXJ5QW5kRmV0Y2gBAAAAAAAAAD4WYm9laVYtZndUQlNsdDcwakFMNjU1QQ=="

}

 

那么如何将批量查询出的数据批量导入新的索引呢?

Elasticsearch 提供了 bulk API 允许我们使用单一请求实现批量创建、索引、更新或删除

POST /_bulk

{ "delete": { "_index": "website", "_type": "blog", "_id": "123" }}

{ "create": { "_index": "website", "_type": "blog", "_id": "123" }}

{ "title":    "My first blog post" }

{ "index":  { "_index": "website", "_type": "blog" }}

{ "title":    "My second blog post" }

{ "update": { "_index": "website", "_type": "blog", "_id": "123", "_retry_on_conflict" : 3} }

{ "doc" : {"title" : "My updated blog post"} }

 

每行行尾的换行符(\n)都是必须的,包括最后一行

 

python 的 elasticsearch 包将上述两个命令合成了一个方法来让用户方便的调用

from elasticsearch import helpers from elasticsearch import Elasticsearch es = Elasticsearch([{"host":"127.0.0.1","port":"9200"}], timeout=100000) body={"query":{"match_all":{}}} helpers.reindex(client=es, source_index='old_index', target_index='new_index', target_client=es, query=body, chunk_size=1000, scroll='15m')

 

 

Elasticsearch 提供了 alias 操作来为索引提供别名,通过别名机制我们可以实现快速切换索引等功能

重建索引后,我们执行下面命令来切换索引:

POST /_aliases

{

    "actions" : [

        { "remove" : { "index" : "old_index", "alias" : "online_index" } },

        { "add" : { "index" : "new_index", "alias" : "online_index" } }

    ]

}

 

此后删除旧索引即可

 

欢迎关注微信公众号,以技术为主,涉及历史、人文等多领域的学习与感悟,每周三到七篇推文,全部原创,只有干货没有鸡汤

 

 

https://www.elastic.co/guide/en/elasticsearch/reference/current/search-request-scroll.html

https://www.elastic.co/guide/en/elasticsearch/reference/current/docs-bulk.html

https://www.elastic.co/guide/en/elasticsearch/reference/current/indices-aliases.html

https://blog.csdn.net/deardreaming/article/details/52813581

 






索引      index      elasticsearch      es      reindex     


京ICP备15018585号