本地ES集群数据通过_reindex方式迁移到腾讯云服务器（亲测有效）
本地ES集群数据通过_reindex方式迁移到腾讯云服务器（亲测有效）
随着业务量的增加，本地的ES集群服务器性能和磁盘空间有点不够使用，项目组考虑使用腾讯云服务器，以下是我测试的使用_reindex方式迁移ES数据的具体步骤。
1.在腾讯云的ES上建立新索引
可根据业务需求，自行删减mappings无用的字段，更改字段类型和settings的设置，重新设置新索引。
PUT /test1
{
"mappings" : {
"properties" : {
"num" : {
"type" : "text",
"analyzer": "my_analyzer"
},
"name" : {
"type" : "text",
"fields" : {
"keyword" : {
"type" : "keyword",
"ignore_above" : 256
}
},
"analyzer": "my_analyzer"
},
"englishName" : {
"type" : "text",
"fields" : {
"keyword" : {
"type" : "keyword",
"ignore_above" : 256
}
},
"analyzer": "my_analyzer"
},
"msg" : {
"type" : "text",
"fields" : {
"keyword" : {
"type" : "keyword",
"ignore_above" : 256
}
},
"analyzer": "my_analyzer"
}
}
},
"settings": {
"index": {
"analysis": {
"analyzer": {
"my_analyzer": {
"type": "custom",
"tokenizer": "my_tokenizer"
}
},
"tokenizer": {
"my_tokenizer": {
"type": "ngram",
"min_gram": "1",
"max_gram": "2"
}
}
}
}
}
}
2.设置白名单
在腾讯云ES的elasticsearch.yml配置文件中添加本地的ES集群IP白名单.
注意：如果本地使用的是内网，需要开通外网访问地址和端口，这里白名单的ip和端口也要换成外网的
#reindex.remote.whitelist: ["ip:9200","ip2:9201"] 迁移数据白名单
reindex.remote.whitelist: ["localhost:9200"]
#跨域问题
http.cors.enabled: true
http.cors.allow-origin: "*"
3.准备_reindex的设置
可根据个人业务需求，自行选择下面需要的配置选项和设置
更多_reindex参数相关配置可参考官网 https://www.elastic.co/guide/en/elasticsearch/reference/6.2/docs-reindex.html
-
"scroll": 每次复制5M的数据，一般设置为5-15 M性能较佳，根据服务器性能自行选择
-
"wait_for_completion": false 设置不用前台等待返回结果，后台自动执行
-
"max_docs": 定义只同步100个文档
-
"conflicts","op_type":这两个一般一起使用，op_type to create将导致_reindex仅在目标索引中创建缺少的文档，但是会报导致版本冲突中止_reindex操作，可以设置 "conflicts": "proceed"，_reindex进程将继续发生版本冲突并返回遇到的版本冲突计数。（不建议使用，ES会自动处理ID相同的数据覆盖删除）
-
"source": 本地要迁移的ES索引设置
-
"remote"：本地ES的对外地址，超时时间设置
-
"index": 本地要迁移的ES索引名称
-
"_source": 可设置保留只需要迁移的索引字段
-
"query": 可设置筛选条件
-
"size": 每次传输文档的数据量，默认值为1000，可设置为5000-20000
-
"dest": "index" 腾讯云要接受数据的索引，第一步创建的那个
POST /_reindex?scroll=5m&wait_for_completion=false
{
"max_docs": 100,
"conflicts": "proceed",
"source": {
"remote": {
"host": "http://:9200",
"socket_timeout": "5m",
"connect_timeout": "300s"
},
"index": "test1",
"_source": ["name", "msg",],
"query": {
"match": {
"name": "小明"
}
}
"size": 5000
},
"dest": {
"index": "test1"，
"op_type": "create"
}
}
4.执行命令，迁移数据
以下都在腾讯云的kibana中执行的
设置不刷新和副本数为0
PUT /test1/_settings
{
"refresh_interval": -1,
"number_of_replicas": 0
}
执行第三步创建的_reindex
POST /_reindex?scroll=5m&wait_for_completion=false
{
"max_docs": 100,
"conflicts": "proceed",
"source": {
"remote": {
"host": "http://:9200",
"socket_timeout": "5m",
"connect_timeout": "300s"
},
"index": "test1",
"_source": ["name", "msg",],
"query": {
"match": {
"name": "小明"
}
}
"size": 5000
},
"dest": {
"index": "test1"，
"op_type": "create"
}
}
等待数据执行，使用 GET _cat/indices 命令查看数据执行结果量
使用 GET _tasks?detailed=true&actions=*reindex可以查看正在执行的_reindex状态
GET _cat/indices
GET _tasks?detailed=true&actions=*reindex
数据全部执行完后，恢复原本要设置的刷新间隔和副本数.
扩展：关于副本数数量设置，可参考我另一篇引用文章中ES的集群原理中二、ES集群核心原理分析:
PUT /index_paytrade_v1/_settings
{
"refresh_interval": "30s",
"number_of_replicas": 1
}
好了，至此就大功搞定了，可以进行查询数据测试了。
关于ES数据迁移腾讯云还有其他3种方式
- elasticsearch-dump
- snapshot
- logstash
具体可参考腾讯云的官方文档地址 ： https://cloud.tencent.com/document/product/845/35568
