Elasticsearch 跨网络、跨集群同步选型指南

 •  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？

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：

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：

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

 

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。

 

源数据和目的数据分布在两个不同的集群。

 

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）。

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。

 

 

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

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
 

 

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。

 

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。

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

 •  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。

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

3.4.3 logstash同步测试
100W 数据 74 s 同步完。

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。

 

 

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

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。

 

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。