3種常用的Elasticsearch數(shù)據(jù)遷移方案

如果準(zhǔn)備將自建的 elasticsearch 遷移上云，或者的遷移到其他es集群內(nèi)，可以根據(jù)自己的業(yè)務(wù)需要選擇合適的遷移方案。如果業(yè)務(wù)可以停服或者可以暫停寫(xiě)操作，可以使用以下幾種方式進(jìn)行數(shù)據(jù)遷移：

• COS 快照,即Cloud Object Storage
• logstash
• elasticsearch-dump

各種遷移方式的對(duì)比如下：

1COS 快照

基于 COS 快照的遷移方式是使用 ES 的snapshot api接口進(jìn)行遷移，基本原理就是從源 ES 集群創(chuàng)建索引快照，然后在目標(biāo) ES 集群中進(jìn)行恢復(fù)。通過(guò) snapshot 方式進(jìn)行數(shù)據(jù)遷移時(shí)，特別需要注意 ES 的版本問(wèn)題：

目標(biāo) ES 集群的主版本號(hào)（如5.6.4中的5為主版本號(hào)）要大于等于源 ES 集群的主版本號(hào)。
1.x 版本的集群創(chuàng)建的快照不能在 5.x 版本中恢復(fù)。

在源 ES 集群中創(chuàng)建 repository

創(chuàng)建快照前必須先創(chuàng)建 repository 倉(cāng)庫(kù)，一個(gè) repository 倉(cāng)庫(kù)可以包含多份快照文件，repository 主要有以下幾種類(lèi)型。

• fs：共享文件系統(tǒng)，將快照文件存放于文件系統(tǒng)中。
• url：指定文件系統(tǒng)的 URL 路徑，支持協(xié)議：http、https、ftp、file、jar。
• s3：AWS S3 對(duì)象存儲(chǔ),快照存放于 S3 中，以插件形式支持，安裝該插件請(qǐng)參考repository-s3^[1]。
• hdfs：快照存放于 hdfs 中，以插件形式支持，安裝該插件請(qǐng)參考repository-hdfs^[2]。
• cos：快照存放于騰訊云COS對(duì)象存儲(chǔ)中，以插件形式支持，安裝該插件請(qǐng)參考cos-repository^[3]。

如果需要從自建 ES 集群遷移至騰訊云的 ES 集群，可以直接使用 COS 類(lèi)型倉(cāng)庫(kù)。但需要先在自建 ES 集群上安裝 cos-repository 插件（安裝插件后需要重啟集群才能使用），先把自建 ES 集群中的數(shù)據(jù)先備份到 COS，然后在騰訊云上的 ES 集群中恢復(fù)出來(lái)，以完成數(shù)據(jù)的遷移。

如果自建 ES 的集群不方便安裝 cos-repository 插件，但是已經(jīng)安裝 repository-s3 或者 repository-hdfs 插件，則可以先把數(shù)據(jù)備份到 S3 或者 HDFS 中，然后把 S3 或者 HDFS 中備份好的文件上傳到騰訊云 COS 中，之后在騰訊云上的集群中進(jìn)行恢復(fù)。

通過(guò) COS 快照進(jìn)行數(shù)據(jù)遷移時(shí)，需要先創(chuàng)建 COS 倉(cāng)庫(kù)，您可以通過(guò)如下命令創(chuàng)建倉(cāng)庫(kù)：

PUT _snapshot/my_cos_backup
{
    "type": "cos",
    "settings": {
        "app_id": "xxxxxxx",
        "access_key_id": "xxxxxx",
        "access_key_secret": "xxxxxxx",
        "bucket": "xxxxxx",
        "region": "ap-guangzhou",
        "compress": true,
        "chunk_size": "500mb",
        "base_path": "/"
    }
}

• app_id：騰訊云賬號(hào) APPID。
• access_key_id：騰訊云 API 密鑰 SecretId。
• access_key_secret：騰訊云 API 密鑰 SecretKey。
• bucket：COS Bucket 名字，不帶 appId 后綴的 bucket 名。
• region：COS Bucket 地域，必須與 ES 集群同地域。
• base_path：備份目錄。

在源 ES 集群中創(chuàng)建 snapshot

調(diào)用 snapshot api 創(chuàng)建快照以備份索引數(shù)據(jù)，創(chuàng)建快照時(shí)可以指定只對(duì)部分索引進(jìn)行備份，也可以備份所有的索引，具體的 api 接口參數(shù)可以查閱 官方文檔。

備份所有索引

將源 ES 集群中的所有索引備份到my_cos_backup倉(cāng)庫(kù)下，并命名為snapshot_1：

PUT _snapshot/my_cos_backup/snapshot_1

這個(gè)命令會(huì)立刻返回，并在后臺(tái)異步執(zhí)行直到結(jié)束。如果希望創(chuàng)建快照命令阻塞執(zhí)行，可以添加wait_for_completion參數(shù)：

PUT _snapshot/my_cos_backup/snapshot_1?wait_for_completion=true

命令執(zhí)行的時(shí)間與索引大小相關(guān)。

備份指定索引

您可以在創(chuàng)建快照的時(shí)候指定要備份的索引：

PUT _snapshot/my_cos_backup/snapshot_2
{
    "indices": "index_1,index_2"
}

參數(shù) indices 的值為多個(gè)索引的時(shí)候，需要用,隔開(kāi)且不能有空格。

查看快照狀態(tài)

通過(guò)以下命令檢查快照是否備份完成，返回結(jié)果中的state字段為SUCCESS則說(shuō)明快照已經(jīng)備份成功：

GET _snapshot/my_cos_backup/snapshot_1

在目標(biāo) ES 集群中創(chuàng)建 repository

在目標(biāo) ES 集群中創(chuàng)建倉(cāng)庫(kù)和在源 ES 集群中創(chuàng)建倉(cāng)庫(kù)完全相同。

從快照恢復(fù)

將快照中備份的所有索引都恢復(fù)到 ES 集群中：

POST _snapshot/my_cos_backup/snapshot_1/_restore

如果 snapshot_1 包括5個(gè)索引，則這5個(gè)索引都會(huì)被恢復(fù)到 ES 集群中。您還可以使用附加的選項(xiàng)對(duì)索引進(jìn)行重命名。該選項(xiàng)允許您通過(guò)模式匹配索引名稱(chēng)，并通過(guò)恢復(fù)進(jìn)程提供一個(gè)新名稱(chēng)。如果您想在不替換現(xiàn)有數(shù)據(jù)的前提下，恢復(fù)舊數(shù)據(jù)來(lái)驗(yàn)證內(nèi)容或進(jìn)行其他操作，則可以使用該選項(xiàng)。從快照里恢復(fù)單個(gè)索引并提供一個(gè)替換的名稱(chēng)：

POST /_snapshot/my_cos_backup/snapshot_1/_restore
{
    "indices": "index_1",
    "rename_pattern": "index_(.+)",
    "rename_replacement": "restored_index_$1"
}

• indices：只恢復(fù) index_1 索引，忽略快照中存在的其他索引。
• rename_pattern：查找所提供的模式能匹配上的正在恢復(fù)的索引。
• rename_replacement：將匹配的索引重命名成替代的模式。

查看索引恢復(fù)狀態(tài)

您可以通過(guò)調(diào)用_recoveryAPI，查看指定索引恢復(fù)的進(jìn)度：

GET index_1/_recovery

另外可以通過(guò)調(diào)用以下 API，查看指定索引的狀態(tài)，返回結(jié)果中status為green，則說(shuō)明索引已經(jīng)完全恢復(fù)：

GET _cluster/health/index_1

2logstash

logstash 支持從一個(gè) ES 集群中讀取數(shù)據(jù)然后寫(xiě)入到另一個(gè) ES 集群，因此可以使用 logstash 進(jìn)行數(shù)據(jù)遷移，使用 logstash 進(jìn)行遷移前，需要注意以下幾點(diǎn)：

• 需要在和騰訊云上的 ES 集群相同的 VPC 下創(chuàng)建 CVM，部署 logstash，同時(shí)保證該 CVM 能夠訪(fǎng)問(wèn)到源 ES 集群。
• 用于部署 logstash 的 CVM 最好選擇比較高的配置，例如 CPU 為16核，內(nèi)存為32GB。
• logstash 應(yīng)該和目標(biāo) ES 集群的主版本號(hào)相同，例如目標(biāo) ES 集群為6.8.2版本，則 logstash 也需要使用6.8版本。
• 需要特別注意索引 type 的問(wèn)題，因?yàn)?ES 的不同版本對(duì)索引 type 的約束不同，跨大版本遷移 ES 集群時(shí)可能出現(xiàn)因?yàn)樗饕?type 而導(dǎo)致寫(xiě)入目標(biāo)集群失敗等的問(wèn)題。具體可參考 logstash-output-elasticsearch 插件中對(duì)document_type參數(shù)的說(shuō)明。

一個(gè)常用的使用 logstash 進(jìn)行跨集群數(shù)據(jù)遷移的配置文件如下：

input {
    elasticsearch {
        hosts => "1.1.1.1:9200"
        index => "*"
        docinfo => true
        size => 5000
        scroll => "5m"
      }
}

output {
    elasticsearch {
        hosts => ["http://2.2.2.2:9200"]
        user => "elastic"
        password => "your_password"
        index => "%{[@metadata][_index]}"
        document_type => "%{[@metadata][_type]}"
        document_id => "%{[@metadata][_id]}"
    }
}

上述配置文件將源 ES 集群的所有索引同步到目標(biāo)集群中，同時(shí)也可以設(shè)置只同步指定的索引，利用 logstash 進(jìn)行遷移的更多功能可查閱 logstash-input-elasticsearch 和logstash-output-elasticsearch^[4]。

3elasticsearch-dump

elasticsearch-dump 是一款開(kāi)源的 ES 數(shù)據(jù)遷移工具，github 地址^[5]。

1. 安裝 elasticsearch-dump

   elasticsearch-dump 使用 node.js 開(kāi)發(fā)，可使用 npm 包管理工具直接安裝：

   npminstallelasticdump-g
   

2. 主要參數(shù)說(shuō)明

   --input:源地址，可為 ES 集群 URL、文件或 stdin,可指定索引，格式為：{protocol}://{host}:{port}/{index}
   --input-index:源ES集群中的索引
   --output:目標(biāo)地址，可為 ES 集群地址 URL、文件或 stdout，可指定索引，格式為：{protocol}://{host}:{port}/{index}
   --output-index:目標(biāo)ES集群的索引
   --type:遷移類(lèi)型，默認(rèn)為data，表明只遷移數(shù)據(jù)，可選settings,analyzer,data,mapping,alias
   

3. 如果集群有安全認(rèn)證，可以參照下面的方法使用 reindex 集群鑒權(quán)。在對(duì)應(yīng)的 http 后面，添加 user:password@ 參考樣例elasticsearch-dump --input=http://192.168.1.2:9200/my_index --output=http://user:password@192.168.1.2:9200/my_index --type=data。

4. 遷移單個(gè)索引

   以下操作通過(guò) elasticdump 命令將集群172.16.0.39中的 companydatabase 索引遷移至集群172.16.0.20。

   第一條命令先將索引的 settings 先遷移，如果直接遷移 mapping 或者 data 將失去原有集群中索引的配置信息如分片數(shù)量和副本數(shù)量等，當(dāng)然也可以直接在目標(biāo)集群中將索引創(chuàng)建完畢后再同步 mapping 與 data。

   elasticdump--input=http://172.16.0.39:9200/companydatabase--output=http://172.16.0.20:9200/companydatabase--type=settings
   elasticdump--input=http://172.16.0.39:9200/companydatabase--output=http://172.16.0.20:9200/companydatabase--type=mapping
   elasticdump--input=http://172.16.0.39:9200/companydatabase--output=http://172.16.0.20:9200/companydatabase--type=data
   

5. 遷移所有索引

   以下操作通過(guò) elasticdump 命令將集群172.16.0.39中的所有索引遷移至集群172.16.0.20。

   此操作并不能遷移索引的配置，例如分片數(shù)量和副本數(shù)量，必須對(duì)每個(gè)索引單獨(dú)進(jìn)行配置的遷移，或者直接在目標(biāo)集群中將索引創(chuàng)建完畢后再遷移數(shù)據(jù)。

   elasticdump--input=http://172.16.0.39:9200--output=http://172.16.0.20:9200
   

4總結(jié)

1. elasticsearch-dump 和 logstash 做跨集群數(shù)據(jù)遷移時(shí)，都要求用于執(zhí)行遷移任務(wù)的機(jī)器可以同時(shí)訪(fǎng)問(wèn)到兩個(gè)集群，因?yàn)?a href="http://ttokpm.com/v/tag/1722/" target="_blank">網(wǎng)絡(luò)無(wú)法連通的情況下就無(wú)法實(shí)現(xiàn)遷移。而使用 snapshot 的方式則沒(méi)有這個(gè)限制，因?yàn)?snapshot 方式是完全離線(xiàn)的。因此 elasticsearch-dump 和 logstash 遷移方式更適合于源 ES 集群和目標(biāo) ES 集群處于同一網(wǎng)絡(luò)的情況下進(jìn)行遷移。而需要跨云廠商的遷移，可以選擇使用 snapshot 的方式進(jìn)行遷移，例如從阿里云 ES 集群遷移至騰訊云 ES 集群，也可以通過(guò)打通網(wǎng)絡(luò)實(shí)現(xiàn)集群互通，但是成本較高。
2. elasticsearch-dump 工具和 MySQL 數(shù)據(jù)庫(kù)用于做數(shù)據(jù)備份的工具 mysqldump 類(lèi)似，都是邏輯備份，需要將數(shù)據(jù)一條一條導(dǎo)出后再執(zhí)行導(dǎo)入，所以適合數(shù)據(jù)量小的場(chǎng)景下進(jìn)行遷移。
3. snapshot 的方式適合數(shù)據(jù)量大的場(chǎng)景下進(jìn)行遷移。

審核編輯 ：李倩