Reindex性能优化方法是什么

本篇内容介绍了“Reindex性能优化方法是什么”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！

创新互联是一家业务范围包括IDC托管业务,雅安服务器托管、主机租用、主机托管，四川、重庆、广东电信服务器租用,四川雅安服务器托管，成都网通服务器托管,成都服务器租用,业务范围遍及中国大陆、港澳台以及欧美等多个国家及地区的互联网数据服务公司。

5.X版本后新增Reindex。Reindex可以直接在Elasticsearch集群里面对数据进行重建，如果你的mapping因为修改而需要重建，又或者索引设置修改需要重建的时候，借助Reindex可以很方便的异步进行重建，并且支持跨集群间的数据迁移。

Reindex慢的原因分析

reindex的核心做跨索引、跨集群的数据迁移。慢的原因及优化思路无非包括：

batch size值可能太小（默认是1000）
reindex的底层是scroll实现，借助scroll并行优化方式，提升效率
跨索引、跨集群的核心是写入数据，考虑写入优化角度提升效率

Reindex提高效率切入点

1. 提高批量写入大小值

默认情况下，_reindex使用1000进行批量操作，您可以在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：

使用批量索引请求以获得最佳性能。 
  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，如果每批索引1000个文档，: 
    1）每个1kb的1000个文档是1mb。 
    2）每个100kb的1000个文档是100 MB。 
    这些是完全不同的体积大小。逐步递增文档容量大小的方式调优。 
  从大约5-15 MB的大容量开始，慢慢增加，直到你看不到性能的提升。然后开始增加批量写入的并发性(多线程等等)。 
  使用kibana、cerebro或iostat、top和ps等工具监视节点，以查看资源何时开始出现瓶颈。如果您开始接收EsRejectedExecutionException，您的集群就不能再跟上了:至少有一个资源达到了容量。要么减少并发性，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。

2. ES副本数设置为0

如果要进行大量批量导入，请考虑通过设置index.number_of_replicas来禁用副本：0。
主要原因在于：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。这意味着每个副本都将执行分析，索引和潜在合并过程。相反，如果您使用零副本进行索引，然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": 0
}

如：
PUT /regroupmembers-20.11.12-151612/_settings
{
    "number_of_replicas": 0
}
说明：92万数据测试环境正常需要85分钟，去掉副本分片之后需要30分钟

3. 借助scroll的sliced提升写入效率

Reindex支持Sliced Scroll以并行化重建索引过程。这种并行化可以提高效率，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）

用过Scroll接口吧，很慢？如果你数据量很大，用Scroll遍历数据那确实是接受不了，现在Scroll接口可以并发来进行数据遍历了。
每个Scroll请求，可以分成多个Slice请求，可以理解为切片，各Slice独立并行，利用Scroll重建或者遍历要快很多倍。

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
自动设置分片如下：

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

slices大小设置注意事项： 
1）slices大小的设置可以手动指定，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，非但不会提升效率，反而会增加开销。 
3）如果这个slices数字很大(例如500)，建议选择一个较低的数字，因为过大的slices 会影响性能。

4. 增加refresh间隔或干脆禁用掉

如果你的搜索结果不需要接近实时的准确性，考虑先不要急于索引刷新refresh。默认值是1s，在做reindex时可以将每个索引的refresh_interval到30s或禁用（-1）。
如果正在进行大量数据导入，reindex就是此场景，先将此值设置为-1来禁用刷新。完成后再重置回需要的值!

设置方法：
PUT /index_name/_settings
{ "refresh_interval": -1 }

还原方法：
PUT /index_name/_settings
{ "refresh_interval": "30s" }

Reindex实践优化

索引数据量：71460992
持续时间：55分钟

1.设置Refresh：
PUT /regroupmembers-20.11.23-000000/_settings
{
  "refresh_interval": "30s"
}

2.设置Batch_size：
POST _reindex
{
  "source": {
    "index": "regroupmembers-20.05.28-142940",
    "size": 4000
  },
  "dest": {
    "index": "regroupmembers-20.11.23-000000"
  }
}

3.设置副本分片：0

Reindex性能优化方法是什么