Elasticsearch跨集群数据备份和迁移

（一）、简述
不同集群的ES环境搭建在不同的环境中，可以在公有云和私有云进行搭建，用户也可以根据自己的业务需要选择合适的迁移方案，如果业务可以停服务的话或者暂停写操作，可以采用离线迁移，离线迁移有四种方式可供选择：

• Elasticsearch-dump
• snapshot
• reindex
• logstash(golang)
  （二）、使用方式
  1、elasticsearch-dump的安装和使用

1.1、elasticdump安装
####下载nodes
wget https://nodejs.org/dist/v10.13.0/node-v10.13.0-linux-x64.tar.xz
####解压
xz -d node-v10.13.0-linux-x64.tar.xz
tar xvf node-v10.13.0-linux-x64.tar -C /opt
####配置和生效环境变量
vim /etc/profile
export NODE_HOME=/opt/node-v10.13.0-linux-x64
export PATH=$PATH:$NODE_HOME/bin
export NODE_PATH=$NODE_HOME/lib/node_modules
source /etc/profile
npm -v
1.2、
####安装elasticdump工具
npm install elasticdump -g
elasticdump --help

1.3、迁移单个索引
####迁移setting、mapping、data
elasticdump --input=http://10.16.0.8:9200/companydatabase --output=http://172.16.0.20:9200/companydatabase --type=settings
elasticdump --input=http://10.16.0.8:9200/companydatabase --output=http://172.16.0.20:9200/companydatabase --type=mapping
elasticdump --input=http://10.16.0.8:9200/companydatabase --output=http://172.16.0.20:9200/companydatabase --type=data

###备注

--input: 源地址，可为ES集群URL、文件或stdin,可指定索引，格式为：{protocol}://{host}:{port}/{index}
--input-index: 源ES集群中的索引
--output: 目标地址，可为ES集群地址URL、文件或stdout，可指定索引，格式为：{protocol}://{host}:{port}/{index}
--output-index: 目标ES集群的索引
--type: 迁移类型，默认为data,表明只迁移数据，可选settings, analyzer, data, mapping, alias

2、snapshot

适用于数据量大的场景
snapshot api是Elasticsearch用于对数据进行备份和恢复的一组api接口，可以通过snapshot api进行跨集群的数据迁移，原理就是从源ES集群创建数据快照，然后在目标ES集群中进行恢复。需要注意ES的版本问题：
目标ES集群的主版本号(如5.6.4中的5为主版本号)要大于等于源ES集群的主版本号;
1.x版本的集群创建的快照不能在5.x版本中恢复;
具体步骤如下：

1、源ES集群中创建repository
创建快照前必须先创建repository仓库，一个repository仓库可以包含多份快照文件，2、2、2、repository主要有一下几种类型
fs: 共享文件系统，将快照文件存放于文件系统中
url: 指定文件系统的URL路径，支持协议：http,https,ftp,file,jar
s3: AWS S3对象存储,快照存放于S3中，以插件形式支持
hdfs: 快照存放于hdfs中，以插件形式支持
cos: 快照存放于腾讯云COS对象存储中，以插件形式支持
如果需要从自建ES集群迁移至腾讯云的ES集群，可以直接使用fs类型仓库，注意需要在Elasticsearch配置文件elasticsearch.yml设置仓库路径：
path.repo: ["/data/es/backup"]

1、配置文件
vim elasticsearch.yml
path.repo: ["/data/es/backup"]
2、注册快照仓库repository到ES中
PUT /_snapshot/es_backup
{
"type": "fs",
"settings": {
"location": "/data/es/backup/"
}
}
3、创建索引并添加文档
DELETE test
PUT test/_doc/1
{
"key": "value1",
"name": "lqbyz",
"age":30
}
4、创建快照
#创建所有索引的快照
PUT _snapshot/es_backup/snapshot4?wait_for_completion=true
#创建指定索引创建快照
PUT /_snapshot/es_backup/snapshot_3?wait_for_completion=true
{
"indices": "test",
"ignore_unavailable": true,
"include_global_state": false,
"metadata": {
"taken_by": "lqbyz",
"taken_because": "backup before delete"
}
}
5、查看相关的快照
GET _snapshot/es_backup/_all
GET _snapshot/es_backup/
GET _cat/indices
6、删除相关的快照
DELETE _snapshot/my_backup
GET test/_search
7、恢复快照
POST _snapshot/es_backup/snapshot_3/_restore
{}
#指定索引进行restore
POST /_snapshot/es_backup/snapshot1/_restore
{
"indices": "elk-info-test-2020-06-26",
"index_settings": {
"index.number_of_replicas": 1
},
"ignore_index_settings": [
"index.refresh_interval"
]
}
8、删除索引和快照
DELETE test
DELETE _snapshot/my_fs_backup

#####相关操作的查询
#####删除es_backup仓库
DELETE _snapshot/es_backup
###查看仓库信息
GET _snapshot/_all
####查看快照的
GET _snapshot/snapshot4/_status
###创建一个snapshot快照（包含所有的索引）
PUT _snapshot/es_backup/snapshot4?wait_for_completion=true
###创建一个快照只包含test2的索引
PUT _snapshot/es_backup/snapshot2
{
"indices": "test2"
}
###查看刚才创建的快照信息
GET /_snapshot/es_backup/snapshot2
###查看所有的快照信息
GET _snapshot/es_backup/_all
###删除一个快照
DELETE /_snapshot/es_backup/snapshot2
###删除一个仓库
DELETE /_snapshot/es_backup
如果要停止一个正在运行的snapshot任务（备份和恢复），将其删除即可。

3、reindex

reindex是Elasticsearch提供的一个api接口，可以把数据从源ES集群导入到当前的ES集群，同样实现了数据的迁移，限于腾讯云ES的实现方式，当前版本不支持reindex操作。简单介绍一下reindex接口的使用方式。

1、配置reindex.remote.whitelist参数

需要在目标ES集群中配置该参数，指明能够reindex的远程集群的白名单

2、调用reindex api
以下操作表示从源ES集群中查询名为test1的索引，查询条件为title字段为elasticsearch，将结果写入当前集群的test2索引
POST _reindex
{
"source": {
"remote": {
"host": "http://10.16.0.8:9200"
},
"index": "test1",
"query": {
"match": {
"title": "elasticsearch"
}
}
},
"dest": {
"index": "test2"
}
}

4、logstash(filebeat、golang)
logstash支持从一个ES集群中读取数据然后写入到另一个ES集群，因此可以使用logstash进行数据迁移，具体的配置文件如下：

input {
elasticsearch {
hosts => ["http://10.16.0.8:9200"]
index => "*"
docinfo => true
}
}
output {
elasticsearch {
hosts => ["http://10.16.0.9:9200"]
index => "%{[@metadata][_index]}"
}
}

总结：
1、elasticsearch-dump和logstash做跨集群数据迁移时，都要求用于执行迁移任务的机器可以同时访问到两个集群，不然网络无法连通的情况下就无法实现迁移。而使用snapshot的方式没有这个限制，因为snapshot方式是完全离线的。因此elasticsearch-dump和logstash迁移方式更适合于源ES集群和目标ES集群处于同一网络的情况下进行迁移，而需要跨云厂商的迁移，比如从阿里云ES集群迁移至腾讯云ES集群，可以选择使用snapshot的方式进行迁移，当然也可以通过打通网络实现集群互通，但是成本较高。
2、elasticsearchdump工具和mysql数据库用于做数据备份的工具mysqldump工具类似，都是逻辑备份，需要将数据一条一条导出后再执行导入，所以适合数据量小的场景下进行迁移；
3、snapshot的方式适合数据量大的场景下进行迁移，推荐使用