Reindex性能優(yōu)化方法是什么

本篇內(nèi)容介紹了“Reindex性能優(yōu)化方法是什么”的有關(guān)知識(shí)，在實(shí)際案例的操作過(guò)程中，不少人都會(huì)遇到這樣的困境，接下來(lái)就讓小編帶領(lǐng)大家學(xué)習(xí)一下如何處理這些情況吧！希望大家仔細(xì)閱讀，能夠?qū)W有所成！

5.X版本后新增Reindex。Reindex可以直接在Elasticsearch集群里面對(duì)數(shù)據(jù)進(jìn)行重建，如果你的mapping因?yàn)樾薷亩枰亟?，又或者索引設(shè)置修改需要重建的時(shí)候，借助Reindex可以很方便的異步進(jìn)行重建，并且支持跨集群間的數(shù)據(jù)遷移。

Reindex慢的原因分析

reindex的核心做跨索引、跨集群的數(shù)據(jù)遷移。 慢的原因及優(yōu)化思路無(wú)非包括：

• batch size值可能太小（默認(rèn)是1000）

• reindex的底層是scroll實(shí)現(xiàn)，借助scroll并行優(yōu)化方式，提升效率

• 跨索引、跨集群的核心是寫(xiě)入數(shù)據(jù)，考慮寫(xiě)入優(yōu)化角度提升效率

Reindex提高效率切入點(diǎn)

1. 提高批量寫(xiě)入大小值

默認(rèn)情況下，_reindex使用1000進(jìn)行批量操作，您可以在source中調(diào)整batch_size。

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

批量大小設(shè)置的依據(jù)：

使用批量索引請(qǐng)求以獲得最佳性能。 
  批量大小取決于數(shù)據(jù)、分析和集群配置，但一個(gè)好的起點(diǎn)是每批處理5-15 MB。 
    注意：這是物理大小。文檔數(shù)量不是度量批量大小的好指標(biāo)。例如，如果每批索引1000個(gè)文檔，: 
    1）每個(gè)1kb的1000個(gè)文檔是1mb。 
    2）每個(gè)100kb的1000個(gè)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(diào)優(yōu)。 
  從大約5-15 MB的大容量開(kāi)始，慢慢增加，直到你看不到性能的提升。然后開(kāi)始增加批量寫(xiě)入的并發(fā)性(多線程等等)。 
  使用kibana、cerebro或iostat、top和ps等工具監(jiān)視節(jié)點(diǎn)，以查看資源何時(shí)開(kāi)始出現(xiàn)瓶頸。如果您開(kāi)始接收EsRejectedExecutionException，您的集群就不能再跟上了:至少有一個(gè)資源達(dá)到了容量。要么減少并發(fā)性，或者提供更多有限的資源(例如從機(jī)械硬盤(pán)切換到ssd固態(tài)硬盤(pán))，要么添加更多節(jié)點(diǎn)。

2. ES副本數(shù)設(shè)置為0

如果要進(jìn)行大量批量導(dǎo)入，請(qǐng)考慮通過(guò)設(shè)置index.number_of_replicas來(lái)禁用副本：0。 
主要原因在于：復(fù)制文檔時(shí)，將整個(gè)文檔發(fā)送到副本節(jié)點(diǎn)，并逐字重復(fù)索引過(guò)程。 這意味著每個(gè)副本都將執(zhí)行分析，索引和潛在合并過(guò)程。 相反，如果您使用零副本進(jìn)行索引，然后在提取完成時(shí)啟用副本，則恢復(fù)過(guò)程本質(zhì)上是逐字節(jié)的網(wǎng)絡(luò)傳輸。 這比復(fù)制索引過(guò)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(shuō)明：92萬(wàn)數(shù)據(jù)測(cè)試環(huán)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(xiě)入效率

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

sliced原理（from medcl）

• 用過(guò)Scroll接口吧，很慢？如果你數(shù)據(jù)量很大，用Scroll遍歷數(shù)據(jù)那確實(shí)是接受不了，現(xiàn)在Scroll接口可以并發(fā)來(lái)進(jìn)行數(shù)據(jù)遍歷了。 

• 每個(gè)Scroll請(qǐng)求，可以分成多個(gè)Slice請(qǐng)求，可以理解為切片，各Slice獨(dú)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(shè)定分為兩種方式：手動(dòng)設(shè)置分片、自動(dòng)設(shè)置分片。 

• 手動(dòng)設(shè)置分片參見(jiàn)官網(wǎng) 

• 自動(dòng)設(shè)置分片如下：

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

slices大小設(shè)置注意事項(xiàng)： 
1）slices大小的設(shè)置可以手動(dòng)指定，或者設(shè)置slices設(shè)置為auto，auto的含義是：針對(duì)單索引，slices大小=分片數(shù)；針對(duì)多索引，slices=分片的最小值。 
2）當(dāng)slices的數(shù)量等于索引中的分片數(shù)量時(shí)，查詢性能最高效。slices大小大于分片數(shù)，非但不會(huì)提升效率，反而會(huì)增加開(kāi)銷。 
3）如果這個(gè)slices數(shù)字很大(例如500)，建議選擇一個(gè)較低的數(shù)字，因?yàn)檫^(guò)大的slices 會(huì)影響性能。

4. 增加refresh間隔或干脆禁用掉

如果你的搜索結(jié)果不需要接近實(shí)時(shí)的準(zhǔn)確性，考慮先不要急于索引刷新refresh。默認(rèn)值是1s，在做reindex時(shí)可以將每個(gè)索引的refresh_interval到30s或禁用（-1）。 
如果正在進(jìn)行大量數(shù)據(jù)導(dǎo)入，reindex就是此場(chǎng)景，先將此值設(shè)置為-1來(lái)禁用刷新。完成后再重置回需要的值! 

設(shè)置方法：
PUT /index_name/_settings
{ "refresh_interval": -1 }

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

Reindex實(shí)踐優(yōu)化

• 索引數(shù)據(jù)量：71460992

• 持續(xù)時(shí)間：55分鐘

1.設(shè)置Refresh：
PUT /regroupmembers-20.11.23-000000/_settings
{
  "refresh_interval": "30s"
}

2.設(shè)置Batch_size：
POST _reindex
{
  "source": {
    "index": "regroupmembers-20.05.28-142940",
    "size": 4000
  },
  "dest": {
    "index": "regroupmembers-20.11.23-000000"
  }
}

3.設(shè)置副本分片：0

“Reindex性能優(yōu)化方法是什么”的內(nèi)容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識(shí)可以關(guān)注億速云網(wǎng)站，小編將為大家輸出更多高質(zhì)量的實(shí)用文章！