Elasticsearch 跨网络跨集群同步选型指南

Posted zhisheng_blog

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Elasticsearch 跨网络跨集群同步选型指南相关的知识,希望对你有一定的参考价值。

1、两个同步实战问题

  • 问题1:我想从目前的阿里云上6.7版本的es商业版,迁移到自己的7.10的自建环境,证书不一样,无法远程 无法ccr,有没有实时同步的工具呀?还是只能用logstash ?

  • 问题2:es 2个索引数据同步有什么组件或者方案吗?

2、问题解析

这是个经常被问到的问题。涉及到跨版本、跨网络、跨集群的索引数据的迁移或同步。我们拆解一下:

2.1 跨版本

7.X 是当前的主流版本,早期的业务系统会停留在6.X、5.X 甚至 2.X、1.X 版本。

同步数据要注意:7.X 和 早期版本的不同?

7.X 版本已经经历了7.0——7.12 12+个小版本的迭代了,且7.0版本发布时间:2019-04-10,已经过去了2年+时间。

同步要关注的一个核心点:

官方说明更具备说服力:“Before 7.0.0, the mapping definition included a type name. Elasticsearch 7.0.0 and later no longer accept a default mapping. ”

  • 6.X版本:还有 type 的概念,可以自己定义。

  • 7.X版本:type 就是_doc。

实战举例说明:在 7.X 指定 type 写入数据:

PUT test-002/mytype/1
{
  "title":"testing"
}

会有如下的警告:

#! [types removal] Specifying types in document index requests is deprecated, use the typeless endpoints instead (/{index}/_doc/{id}, /{index}/_doc, or /{index}/_create/{id}).

https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping.html

2.2 跨网络

两个集群不在一个局域网内,一个挂在云端、一个在本地。

这是常见的业务场景之一,至少我也这么干过。

2.3 跨集群

源数据和目的数据分布在两个不同的集群。

3、同步方案对比

如下几个同步方案,我们边实战边解读。

3.0 实战环境准备

为了演示方便,我们把环境简化。复杂环境,原理一致。

  • 集群1:云端,单结点源集群:172.21.0.14:19022。

  • 集群2:云端,单结点目的集群:172.21.0.14:19205。

  • 两个集群共享一台云服务器,CPU:4核,内存:8G。

版本都一致,都是 7.12.0 版本。

测试数据:100W条(脚本自动生成)。

单条记录如下:

"_source" : {
          "name" : "9UCROh3",
          "age" : 16,
          "last_updated" : 1621579460000
        }

3.1 方案一:reindex 跨集群同步

3.1.1 reindex 前置条件:设置白名单

在目标集群上设置源集群的白名单,具体设置只能在:elasticsearch.yml 中。

reindex.remote.whitelist: "172.21.0.14:19022"

注意,如下实战不要在kibana dev tools测试,除非你已经修改了默认超时时间。

3.1.2 reindex 同步实战

POST _reindex
{
  "source": {
    "remote": {
      "host": "http://172.21.0.14:19022"
    },
    "index": "test_data",
    "size":10000,
     "slice": {
      "id": 0,
      "max": 5
    }
  },
  "dest": {
    "index": "test_data_from_reindex"
  }
}

两个核心参数说明如下:

  • size:默认一次 scroll 值大小是 1000,这里设置大了 10 倍,是 10000。

  • slice:把大的请求切分成小的请求,并发执行。(ps:我这里用法不严谨)。

3.1.3 reindex 同步实战结论

脚本测试,reindex 同步 100W 数据,耗时:34 s。

3.2 方案二:elasticdump 同步

https://github.com/elasticsearch-dump/elasticsearch-dump

3.2.1elasticdump 安装注意事项

  • elasticdump 前置依赖是 node,node要8.0+之后的版本。

[root@VM-0-14-centos test]# node -v
v12.13.1
[root@VM-0-14-centos test]# npm -v
6.12.1
  • 安装成功标志:

[root@VM-0-14-centos test]# elasticdump --help
elasticdump: Import and export tools for elasticsearch
version: 6.71.0

Usage: elasticdump --input SOURCE --output DESTINATION [OPTIONS]
... ...

3.2.2 elasticdump 同步实战

elasticdump \\
  --input=http://172.21.0.14:19022/test_data \\
  --output=http://172.21.0.14:19205/test_data_from_dump \\
  --type=analyzer
elasticdump \\
  --input=http://172.21.0.14:19022/test_data \\
  --output=http://172.21.0.14:19205/test_data_from_dump \\
  --type=mapping
elasticdump \\
  --input=http://172.21.0.14:19022/test_data \\
  --output=http://172.21.0.14:19205/test_data_from_dump \\
  --type=data \\
  --concurrency=5 \\
  --limit=10000

基本上面的参数能做到:见名识意。

  • input :源集群索引。

  • output :目标集群索引。

  • analyzer :同步分词器。

  • mapping :同步映射schema。

  • data :同步数据。

  • concurrency :并发请求数。

  • limit:一次请求同步的文档数,默认是100。

3.2.3 elasticdump 同步实战验证结论

elasticdump 同步 100W数据,耗时:106 s。

3.3 方案四:ESM 工具同步

ESM 是 medcl 开源的派生自:Elasticsearch Dumper 的工具,基于 go 语言开发。

地址:https://github.com/medcl/esm

3.3.1 ESM 工具安装注意事项

依赖 go 版本:>= 1.7。

3.3.2 ESM 工具同步实战

esm  -s http://172.21.0.14:19022  -d http://172.21.0.14:19205 -x test_data  -y test_data_from_esm -w=5 -b=10 -c 10000
  • w:并发数。

  • b:bulk 大小,单位MB。

  • c:scroll 批量值大小。

3.3.3 ESM 工具同步实战结论

100万 数据 38 s 同步完,速度极快。

esm  -s http://172.21.0.14:19022  -d http://172.21.0.14:19205 -x test_data  -y test_data_from_esm -w=5 -b=10 -c 10000
test_data
[05-19 13:44:58] [INF] [main.go:474,main] start data migration..
Scroll 1000000 / 1000000 [================================================================================================================] 100.00% 38s
Bulk 999989 / 1000000 [===================================================================================================================] 100.00% 38s
[05-19 13:45:36] [INF] [main.go:505,main] data migration finished.

同步时:CPU 被打爆,说明并发参数生效了。

3.4 方案五:logstash 同步

3.4.1 logstash 同步注意事项

本文基于 logstash 7.12.0,相关插件:logstash_input_elasticsearch 和 logstash_output_elasticsearch 都已经集成安装,无需再次安装。

注意:配置的输入、输出即是插件的名字,要小写。国外的很多博客都有错误,要实战一把甄别。

3.4.2 logstash 同步实战

input {
    elasticsearch {
        hosts => ["172.21.0.14:19022"]
        index => "test_data"
        size => 10000
        scroll => "5m"
        codec => "json"
        docinfo => true
    }
}
filter {
}
output {
    elasticsearch {
        hosts => ["172.21.0.14:19205"]
        index => "test_data_from_logstash"
    }
}

3.4.3 logstash同步测试

100W 数据 74 s 同步完。

3.5 方案三:快照&恢复同步

3.5.1 快照&恢复配置注意事项

提前在 elasticsearch.yml 配置文件配置快照存储路径。

path.repo: ["/home/elasticsearch/elasticsearch-7.12.0/backup"]

详细配置参考:干货 | Elasitcsearch7.X集群、索引备份与恢复实战

3.5.2 快照&恢复实战

# 一个节点创建快照
PUT /_snapshot/my_backup
{
  "type": "fs",
  "settings": {
    "location": "/home/elasticsearch/elasticsearch-7.12.0/backup"
  }
}

PUT /_snapshot/my_backup/snapshot_testdata_index?wait_for_completion=true
{
  "indices": "test_data_from_dump",
  "ignore_unavailable": true,
  "include_global_state": false,
  "metadata": {
    "taken_by": "mingyi",
    "taken_because": "backup before upgrading"
  }
}

# 另外一个恢复快照
curl -XPOST "http://172.21.0.14:19022/_snapshot/my_backup/snapshot_testdata_index/_restore"

3.5.2 快照&恢复实战结论

  • 执行快照时间:2 s。

  • 恢复快照时间:1s 之内。

4、小结

本文针对 Elasticsearch 跨网络、跨集群之间的数据同步(模拟),给出了5 种方案,并分别在实战环境进行了验证。

初步验证结论如下:

当然,结论并非绝对,仅供参考。

各同步工具本质上都是:scroll + bulk + 多线程综合实现。

本质不同是:开发语言不同、并发处理实现不同等。

  • reindex 基于 Java 语言开发

  • esm 基于 go 语言开发

  • logstash 基于 ruby + java 开发

  •  elastidump 基于 js 语言开发

快照涉及异地拷贝文件,速度制约因素是网络带宽,所以没有统计在内。

如何选型?相信看了本文的介绍,应该做到胸中有数了。

  • reindex 方案涉及配置白名单,快照和恢复快照涉及配置快照库和文件的传输。

  • esm、logstash、elastidump 同步不需要特殊配置。

耗时长短和集群规模、集群各个节点硬件配置、数据类型、写入优化方案等都有关系。

你实战开发中是如何同步数据的?欢迎留言讨论。

以上是关于Elasticsearch 跨网络跨集群同步选型指南的主要内容,如果未能解决你的问题,请参考以下文章

Elasticsearch 主从同步之跨集群复制

Elasticsearch实现跨集群复制功能?

elasticsearch 跨网段组集群

Elasticsearch跨集群搜索(Cross Cluster Search)

elasticsearch跨集群搜索

docker容器中elasticsearch配置跨域访问(elasticsearch-head插件访问不到es集群)