Elasticsearch也能“分库分表“，rollover实现自动分索引

一、自动创建新索引的方法

MySQL的分库分表大家是非常熟悉的，在Elasticserach中有存在类似的场景需求。为了不让单个索引太过于庞大，从而引发性能变差等问题，我们常常有根据索引大小、时间等创建新索引的需求，解决方案一般有两个：

1、开发一个定时任务调用Elasticsearch索引API创建新索引，应用程序兼容新索引的命名规则；

2、使用Elasticsearch rollover功能。

第二种Elasticsearch自带的功能更加简单方便，无需定时任务。我们今天的主角就是Elasticsearch rollover功能。

二、使用rollover自动创建新索引

2.1、rollover API介绍

Elasticsearch rollover是Elasticsearch中一项用于管理索引的功能，它可以自动创建新的索引并将旧的索引移动到另一个位置，从而使历史数据不受影响，同时可以为新的索引设置不同的设置。它还可以根据特定的时间间隔（比如每天）来滚动索引，这可以有效地降低索引大小，提高搜索性能。

rollover的原理是先创建一个带别名的索引，然后设定一定的规则（例如满足一定的时间范围的条件），当满足该设定规则的时候，Elasticsearch会自动建立新的索引，别名也自动切换指向新的索引，这样相当于在物理层面自动建立了索引的分区功能，当查询数据落在特定时间内时，会到一个相对小的索引中查询，相对所有数据都存储在一个大索引的情况，可以有效提升查询效率。

rollover API会为data stream或者索引别名创建一个新的索引。（在Elasticsearch 7.9之前，一般使用索引别名的方式来管理时间序列数据，在Elasticsearch之后data stream取代了这个功能，它维护更加简单，并自动与数据层集成）。

rollover API的效果依据待滚动的索引别名的情况不同而有不同的表现：

1. 如果一个索引别名对应了多个索引，其中一个一定是写索引，rollover创建出新索引的时候会设置is_write_index为true,并且上一个被滚动的索引的is_write_index设置为false。
2. 如果待滚动的索引别名对应的只有一个索引，那么在创建新的索引的同时，会删除原索引。

使用rollover API的时候如果指定新的索引的名称，并且原索引以“-”结束并且以数字结尾，那么新索引将会沿用名称并且将数字增加，例如原索引是my-index-000001那么新索引会是my-index-000002。

如果对时间序列数据使用索引别名，则可以在索引名称中使用日期来跟踪滚动日期。例如，可以创建一个别名来指向名为<my-index-{now/d}-000001>的索引，如果在2099年5月6日创建索引，则索引的名称为my-index-2099.05.06-000001。如果在2099年5月7日滚动别名，则新索引的名称为my-index-2099.05.07-000002。

rollover API的格式如下：

POST /<rollover-target>/_rollover/

POST /<rollover-target>/_rollover/<target-index>

rollover API也支持Query Parameters和Request Body，其中Query parameters支持wait_for_active_shards、master_timeout、timeout和dry_run,特别说一下dry_run，如果将dry_run设置为true，那么这次请求不会真的执行，但是会检查当前索引是否满足conditions指定的条件，这对于提前进行测试非常有用。

Request Body支持aliases、mappings和settings（这三个参数只支持索引，不支持data stream）和conditions。

特别展开讲一下conditions。这是一个可选参数，如果指定了conditions，则需要在满足conditions指定的一个或者多个条件的情况下才会执行滚动，如果没有指定则无条件滚动，如果需要自动滚动，可以使用ILM Rollover。

conditions支持的属性有：

• max_age
  从索引建立开始算起的时间周期，支持Time Units，如7d、4h、30m、60s、1000ms、10000micros、500000nanos。
• max_docs
  索引主分片的数量达到设定的值；
• max_size
  所有主分片的大小之和达到了设定值，可以通过_cat indices API进行查询，其中pri.store.size的值就是目标值。
• max_primary_shard_size
  所有主分片中存在主分片的大小达到了设定值，可以通过_cat shards API查看分片的大小，store值代表每个分片的大小，prirep代表了分片是primary分片还是replica分片。
• max_primary_shard_docs
  所有主分片中存在主分片的文档大小达到了设定值，可以通过_cat shards API查询，其中的docs字段代表了分片上文档数量的大小。

2.2、rollover一个索引

1. 首先创建一个索引并且设置为write index。

# PUT <my-index-{now/d}-000001>
curl -X PUT "localhost:9200/%3Cmy-index-%7Bnow%2Fd%7D-000001%3E?pretty" -H 'Content-Type: application/json' -d'
{
  "aliases": {
    "my-alias": {
      "is_write_index": true
    }
  }
}
'

2. 执行rollover API

   如下所示，代表间隔7天、文档数量最多达到100000、主分片大小达到50gb、主分片最大文档数量达到20000，这些条件中哪个先匹配则都会自动切换到新索引。

curl -X POST "localhost:9200/my-alias/_rollover?pretty" -H 'Content-Type: application/json' -d'
{
  "conditions": {
    "max_age": "7d",
    "max_docs": 100000,
    "max_primary_shard_size": "50gb",
    "max_primary_shard_docs": "20000"
  }
}
'

如果别名的索引名称使用日期数学表达式，并且按定期间隔滚动索引，则可以使用日期数学表达式来缩小搜索范围。例如，下面的搜索目标是最近三天内创建的索引。

# GET /<my-index-{now/d}-*>,<my-index-{now/d-1d}-*>,<my-index-{now/d-2d}-*>/_search
curl -X GET "localhost:9200/%3Cmy-index-%7Bnow%2Fd%7D-*%3E%2C%3Cmy-index-%7Bnow%2Fd-1d%7D-*%3E%2C%3Cmy-index-%7Bnow%2Fd-2d%7D-*%3E/_search?pretty"

2.3、rollover data stream

rollover不仅可以针对index，也可以针对data stream。data stream是 Elastic Stack 7.9 的一个新的功能。Data stream 使你可以跨多个索引存储只追加数据的时间序列数据，同时为请求提供唯一的一个命名资源，搜索请求提交给data stream以后，data stream会自动将请求路由到其后备的索引中。

rollover data stream与index类似，如下：

curl -X POST "localhost:9200/my-data-stream/_rollover?pretty" -H 'Content-Type: application/json' -d'
{
  "conditions": {
    "max_age": "7d",
    "max_docs": 100000,
    "max_primary_shard_size": "50gb",
    "max_primary_shard_docs": "20000"
  }
}
'

响应信息如下，当max_docs数量达到了100000,自动会创建一个new_index，命令为".ds-my-data-stream-2099.05.07-000002"。

{
  "acknowledged": true,
  "shards_acknowledged": true,
  "old_index": ".ds-my-data-stream-2099.05.06-000001",
  "new_index": ".ds-my-data-stream-2099.05.07-000002",
  "rolled_over": true,
  "dry_run": false,
  "conditions": {
    "[max_age: 7d]": false,
    "[max_docs: 100000]": true,
    "[max_primary_shard_size: 50gb]": false,
    "[max_primary_shard_docs: 2000]": false
  }
}

rollover是一个非常实用的功能，特别是对于随着时间推移，索引数据量会快速增长的场景。不过也需要注意conditions要设置合理，否则容易产生太多的小索引，Elasticsearch集群对于索引的维护成本也是比较高的，太多的小索引会严重影响集群的性能。

你所在团队是否有遇到过需要自动分索引的场景，又是如何处理的呢？欢迎和我分享交流。