Reindex性能優化方法是什么

本篇內容介紹了“Reindex性能優化方法是什么”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！

5.X版本后新增Reindex。Reindex可以直接在Elasticsearch集群里面對數據進行重建，如果你的mapping因為修改而需要重建，又或者索引設置修改需要重建的時候，借助Reindex可以很方便的異步進行重建，并且支持跨集群間的數據遷移。

Reindex慢的原因分析

reindex的核心做跨索引、跨集群的數據遷移。 慢的原因及優化思路無非包括：

• batch size值可能太小（默認是1000）

• reindex的底層是scroll實現，借助scroll并行優化方式，提升效率

• 跨索引、跨集群的核心是寫入數據，考慮寫入優化角度提升效率

Reindex提高效率切入點

1. 提高批量寫入大小值

默認情況下，_reindex使用1000進行批量操作，您可以在source中調整batch_size。

POST _reindex
{
  "source": {
    "index": "source",
    "size": 5000
  },
  "dest": {
    "index": "dest",
    "routing": "=cat"
  }
}

批量大小設置的依據：

使用批量索引請求以獲得最佳性能。 
  批量大小取決于數據、分析和集群配置，但一個好的起點是每批處理5-15 MB。 
    注意：這是物理大小。文檔數量不是度量批量大小的好指標。例如，如果每批索引1000個文檔，: 
    1）每個1kb的1000個文檔是1mb。 
    2）每個100kb的1000個文檔是100 MB。 
    這些是完全不同的體積大小。逐步遞增文檔容量大小的方式調優。 
  從大約5-15 MB的大容量開始，慢慢增加，直到你看不到性能的提升。然后開始增加批量寫入的并發性(多線程等等)。 
  使用kibana、cerebro或iostat、top和ps等工具監視節點，以查看資源何時開始出現瓶頸。如果您開始接收EsRejectedExecutionException，您的集群就不能再跟上了:至少有一個資源達到了容量。要么減少并發性，或者提供更多有限的資源(例如從機械硬盤切換到ssd固態硬盤)，要么添加更多節點。

2. ES副本數設置為0

如果要進行大量批量導入，請考慮通過設置index.number_of_replicas來禁用副本：0。 
主要原因在于：復制文檔時，將整個文檔發送到副本節點，并逐字重復索引過程。 這意味著每個副本都將執行分析，索引和潛在合并過程。 相反，如果您使用零副本進行索引，然后在提取完成時啟用副本，則恢復過程本質上是逐字節的網絡傳輸。 這比復制索引過程更有效。

PUT /my_logs/_settings
{
    "number_of_replicas": 0
}

如：
PUT /regroupmembers-20.11.12-151612/_settings
{
    "number_of_replicas": 0
}
說明：92萬數據測試環境正常需要85分鐘，去掉副本分片之后需要30分鐘

3. 借助scroll的sliced提升寫入效率

Reindex支持Sliced Scroll以并行化重建索引過程。 這種并行化可以提高效率，并提供一種方便的方法將請求分解為更小的部分。

sliced原理（from medcl）

• 用過Scroll接口吧，很慢？如果你數據量很大，用Scroll遍歷數據那確實是接受不了，現在Scroll接口可以并發來進行數據遍歷了。 

• 每個Scroll請求，可以分成多個Slice請求，可以理解為切片，各Slice獨立并行，利用Scroll重建或者遍歷要快很多倍。

slicing使用舉例

slicing的設定分為兩種方式：手動設置分片、自動設置分片。 

• 手動設置分片參見官網 

• 自動設置分片如下：

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

slices大小設置注意事項： 
1）slices大小的設置可以手動指定，或者設置slices設置為auto，auto的含義是：針對單索引，slices大小=分片數；針對多索引，slices=分片的最小值。 
2）當slices的數量等于索引中的分片數量時，查詢性能最高效。slices大小大于分片數，非但不會提升效率，反而會增加開銷。 
3）如果這個slices數字很大(例如500)，建議選擇一個較低的數字，因為過大的slices 會影響性能。

4. 增加refresh間隔或干脆禁用掉

如果你的搜索結果不需要接近實時的準確性，考慮先不要急于索引刷新refresh。默認值是1s，在做reindex時可以將每個索引的refresh_interval到30s或禁用（-1）。 
如果正在進行大量數據導入，reindex就是此場景，先將此值設置為-1來禁用刷新。完成后再重置回需要的值! 

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

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

Reindex實踐優化

• 索引數據量：71460992

• 持續時間：55分鐘

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

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

3.設置副本分片：0

“Reindex性能優化方法是什么”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識可以關注億速云網站，小編將為大家輸出更多高質量的實用文章！