Elasticsearch 重建索引

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：

创建新索引

批量从原索引中将数据导出到新索引中

数据导入完成后，通过 ES 别名机制进行索引切换

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

Elasticsearch 重建索引

引言

重建索引的使用场景

生成索引方式变更

切分数据

mapping 字段类型、分词器等属性变更

重建索引的过程

数据批量导出 -- ES 的 scroll 操作

Elasticsearch 批量导入数据 -- ES 的 bulk 操作

基于 python 的封装

索引切换 -- ES 的 alias 操作

微信公众号

参考资料

添加评论