elasticsearch数据迁移方式的应用场景与分析

2023-11-20 15:08:03 浏览数 (3)

一.reindex

elasticsearch提供的一种复制索引的API。可以在集群内进行索引的复制，也可以跨集群进行索引的复制。

操作方式：

代码语言：javascript复制
#不携带任何参数，将my-index索引的数据复制到new-index中。
POST _reindex
{
  "source": {
    "index": "my-index"#源索引
  },
  "dest": {
    "index": "new-index"#目的索引
  }
}
#指定match查询，只同步在源索引的查询结果至目的索引中。同时对目的索引的路由进行了设置。
POST _reindex
{
  "source": {
    "index": "source-index",
    "query": {
      "match": {
        "company": "cat"
      }
    }
  },
  "dest": {
    "index": "dest-index",
    "routing": "=cat"
  }
}

应用场景：

  1. 索引迁移或重建：reindex API 可以帮助将数据从一个索引移动到另一个索引，例如在索引结构发生变化或需要重建索引时。
  2. 数据清洗和转换：reindex API 可以通过在重建过程中应用过滤器和转换操作，对数据进行清洗和转换。
  3. 索引合并：reindex API 可以将多个索引中的数据合并到一个新的索引中，以简化数据的管理和查询。
  4. 数据备份和恢复：reindex API 可以用于创建索引的备份，并在需要时将数据恢复到原始或新的索引中。

优点：

  1. 简单易用：在我们对索引进行重建或迁移时，reindex提供了简单的语法和参数，使数据迁移的操作更加便捷。
  2. 高效性能：当我们不指定任何参数时，reindex在elasticsearch内部执行时会使用并行处理与批量操作，以提高reindex的效率。
  3. 灵活性：reindex 可以搭配查询语句，过滤器，数据转换条件等配置，更好的满足我们数据迁移与重建的需求。。
  4. 可靠性：我们在通过reindex进行大数据量的索引迁移时，reindex自带了错误处理与任务重试机制，当reindex的过程中遇到错误，reindex会自动进行回滚，并重新从异常位置继续复制数据。

缺点：

  1. 资源消耗：reindex在进行大数据量级的索引复制或重建时，可能会长时间占用系统资源，例如CPU，磁盘IO等。
  2. 网络带宽：如果我们是进行跨集群的数据复制迁移，当迁移索引的数据量过大时，可能会长时间大量占用网络带宽。
  3. 索引锁定：为了保证迁移前后的数据一致，在进行reindex时，我们一般会将源索引置为只读。如果我们需要对源索引与目的索引进行一些操作时，可能会导致操作的延迟或阻塞。

使用建议：

  1. 为了保证迁移前后，源索引与目的索引的数据量一致，我们需要将源索引设置为只读，同时目的索引除reindex操作之外，不能有其他的数据对其进行写入。
  2. 在reindex时，我们可以对目的索引先不配置副本，这样避免目的索引初始化副本分片，延长reindex时间，可以提高reindex的速度，等reindex完成后，在进行副本的添加操作。
  3. 进行reindex时，不建议对操作进行资源使用的约束。避免当多个reindex任务进行时，造成资源争抢，例如：限制任务切片slices，能够调用的CPU核数等。

二.CCR

全称"cross cluster Replication"，CCR是elasticsearch提供的一种将一个集群的数据实时的复制到另一个集群的功能，也称为跨集群复制。需要在elasticsearch中配置remote cluster(远端集群)。CCR使用的是追随者模式，在使用CCR时，首先我们需要将elasticsearch集群分别划分为leader集群和follower集群。同时对索引也需要进行指定leader索引与follower索引。

操作方式：

代码语言：javascript复制
#设置远端集群
PUT _cluster/settings
{
  "persistent": {
    "cluster": {
      "remote": {
        "cluster_one": {
          "seeds": [
            "127.0.0.1:9300"
          ]
        },
        "cluster_two": {
          "mode": "sniff",
          "seeds": [
            "127.0.0.1:9301"
          ],
          "transport.compress": true,
          "skip_unavailable": true
        },
        "cluster_three": {
          "mode": "proxy",
          "proxy_address": "127.0.0.1:9302"
        }
      }
    }
  }
}

#在CCR中指定远端集群的角色为leader，并设置需要同步哪些索引
PUT /_ccr/auto_follow/beats
{
  "remote_cluster" : "leader",
  "leader_index_patterns" :
  [
    "metricbeat-*", 
    "packetbeat-*" 
  ],
  "follow_index_pattern" : "{{leader_index}}-copy" 
}

应用场景：

  1. 灾难恢复：使用CCR在两个或多几个集群之间跨集群复制数据后，可以避免某个集群由于故障导致服务不可用，防止数据丢失。
  2. 数据备份：通过跨集群复制的方式，可以定时将一个集群的数据复制到另一个集群，自动完成数据备份操作。避免人工进行数据备份。
  3. 数据共享：通过跨集群复制的这种方式，可以实时共享一个数据的集群到另一个集群，便于多个集群之间访问相同的数据。
  4. 数据迁移：可以实时将数据从一个集群复制到另一个集群，复制完成后，即可解除追随者模式，完成数据迁移。

优点：

  1. 高效可靠：CCR使用的是 elasticsearch的snapshot功能，可以保证数据的安全性和完整性。
  2. 灵活可扩展：CCR可以根据需要扩展到多个集群，并可以根据需要调整复制频率。

缺点：

  1. 复杂性：跨集群复制在使用之前的学习成本较高，配置和管理相对比较复杂。
  2. 网络延迟：跨集群复制十分依赖集群间的网络环境，如果两个集群之间的网络延迟较大，则可能会影响数据复制速度。

三.COS快照

cos快照这里主要使用的是elasticsearch的snapshot功能，通过在对象存储中创建仓库，将elasticsearch集群中的数据备份至对象存储系统中，实现数据的备份。同时还可以将对象存储系统中的快照恢复至其他集群。

操作方式：

代码语言：javascript复制
#在对象存储中创建一个仓库。如果使用云厂商的对象存储服务，则根据各云厂商的API进行仓库的创建。
PUT /_snapshot/my_repository
{
  "type": "fs",
  "settings": {
    "location": "my_backup_location"
  }
}
#在名为my_repository仓库中创建一个名为my_snapshot的快照
PUT /_snapshot/my_repository/my_snapshot
#对index_1,index_2进行备份
PUT /_snapshot/my_repository/snapshot_2?wait_for_completion=true
{
  "indices": "index_1,index_2",
  "ignore_unavailable": true,
  "include_global_state": false,
  "metadata": {
    "taken_by": "user123",
    "taken_because": "backup before upgrading"
  }
}
#指定快照进行恢复
POST /_snapshot/my_repository/my_snapshot/_restore

应用场景：

  1. 数据恢复：如果我们之前对elasticsearch集群的索引数据有进行cos快照备份，在集群数据发生丢失时，可以基于快照备份的时间节点，使用snapshot恢复指定快照的数据至集群。
  2. 数据备份：可以使用 snapshot 定期备份数据。
  3. 数据迁移：可以使用 snapshot 将数据从一个集群迁移到另一个集群，源集群与目的集群必须使用同一个快照仓库，才能够读取到相应的快照。

优点：

  1. 简单易用：我们前期只需要创建好snapshot仓库就可以了。后期只需要执行创建快照并备份的API就可以了。整体使用简单便捷。
  2. 灵活扩展：通过snapshot快照备份与恢复机制，我们可以将一个集群的数据快速恢复至多个集群。

缺点：

  1. 需要额外的资源：创建和恢复 snapshot 需要使用对象存储中的资源，包括 CPU、内存和磁盘空间。
  2. 网络延迟：snapshot快照存储的数据都在远端对象存储系统中，如果网络环境较差，对于快照的备份与恢复则都会有影响。

我正在参与2023腾讯技术创作特训营第三期有奖征文，组队打卡瓜分大奖！

ElasticsearchService 2023腾讯·技术创作特训营第三期

0 人点赞