Elasticsearch集群腾讯云迁移到线下机房（无感迁移）
前言：
Eastic 自身设计了集群腾讯云迁移到（负载均衡）机制。当前有新数据节点加入集群或者离开集群，集群会自动平衡分片的负载均衡。
背景要求：
公司原有大数据平台基于公有云构建，由于种种原因，现在需要迁移到自建机房，Elasticsearch集群承担了大数据平台主要的对外查询需求，也有部分实时计算需求基于Elasticsearch实现，所以需要在不影响应用系统体验的情况下做到平滑的迁移。本次分享讲述我们如何进行平滑迁移以及如何避坑
需要迁移的主要有两部分：
- 对外提供的服务API，这些API是与Elastic集群绑定的，属于业务场景定制化开发；
- Elasticsearch集群迁移，数据需要迁移，节点也需要全部迁移
图表 1图示：公有云集群+自建机房集群示意图，业务系统查询图
迁移策略
大数据平台的Elastic集群直接对外提供实时查询服务，任何影响Elastic集群平稳的操作都应该避免，那我们的集群迁移策略也侧重平稳，时间上可以宽松一些，迁移主要的工作有以下几个：
- 关闭集群自动平衡；
- 启动自有机房新节点与公有云自建集群组成一个集群；
- 人工迁移集群数据到新节点；
- 外围访问切换到新节点；
- 关闭公有云节点；
- 开启集群自动平衡
迁移步骤
迁移过程中有很多步骤操作，是有严格先后顺序的，如果出错则会造成集群动荡，影响应用体验。此时Elastic的版本是6.5.X，当时最新的版本，迁移完成之后也全部升级到
图表 2图示：原有集群架构，数据节点与管理节点分离
1、数据节点与管理节点分离
1）Elasticsearch节点有很多角色（管理节点、数据节点，协调节点），默认单节点常用角色全部开启。所以在早期搭建Elastic集群时，就按照角色分离的职责将管理节点与数据节点分离部署，这也是后面集群迁移能够顺利进行的重要前提。多数初学者在刚刚接触Elastic投入生产环境时会犯一个错误，节点角色不分离，当数据节点的资源消耗过度会导致集群管理节点响应变慢，从而影响整体集群响应。
#管理节点角色设置
node.master: true
node.data: false
#数据节点角色设置
node.master: false
node.data: true
2）Elastic对外提供服务时中间会增加一层负载代理，如定制服务API与实时计算应用访问Elastic集群都需要走代理。
3）Hadoop集群与Elastic集群互相访问是基于官方提供的ES-Hadoop驱动包，由于实现原理的限制，不能做代理，所以是直接访问，都是离线任务交互。
2、配置新集群
1）因为是迁移到新集群节点，原有节点最后都需要关闭，新集群节点同样也需要管理节点与数据节点分离，新旧节点需要平滑迁移，所以新旧节点在启动之后就需要在同一集群中，新节点Hosts同时指向新管理节点与旧管理节点 ，关键设置如下：
#配置管理节点IP+PORT
discovery.zen.ping.unicast.hosts: ["多个旧管理节点 IP:PORT","多个新管理节点 IP:PORT"]
2）新集群服务器采用的全部是物理机，CPU核数很多，内存充足，挂载了多个硬盘，为了充分利用物理机性能，所以单服务器会部署多实例，主要是部署多个数据节点。在同一机器启动多个Elastic实例，需要做资源隔离，尤其是CPU核数隔离，CPU的核数决定了Elastic默认线程池的线程数，如果不做设置，默认启动多个数据实例，会出现资源竞争问题，设置如下：
#配置处理器数量
processors: 数值<=（CPU核数/实例数）
3）公有云与自建机房直接通过专线连接，新旧集群节点在启动之后依然是一个集群。
图表 3图示：新旧集群示意图与多实例示意图
3、禁用集群数据平衡
Elasticsearch集群有自动的数据分片平衡分配机制，默认是按照分片的数量平均分布，集群每个数据节点上的索引分片数量默认是相同的，最多有奇偶不一致。
当有新的带有数据角色节点加入集群或者离开集群，集群会默认启动自动平衡机制，索引分片会在数据节点之间平衡漂移，达到平均分布之后停止，频繁的集群节点加入或者下线会严重影响集群的IO，影响集群响应速度，所以要尽量避免次情况发生。说到这里，在我的从业中，发现很多初级运维人员在部署Elastic集群时，会很喜欢设置系统级别Elastic实例进程自动启动，这个其实是个很糟糕的机制，当发现服务器Elastic实例关闭，不是马上重启，而是需要人工介入分析具体原因，如果频繁关闭重启，这样很容易造成集群问题。
1）第一个是禁用集群自动平衡，首先要禁止集群新创建索引，新索引之间分配到新的数据节点，其次防止新的数据节点启动之后，集群分片开始平衡迁移，影响集群IO，设置如下：
#禁用集群新创建索引分配
cluster.routing.allocation.enable: false
#禁用集群自动平衡
cluster.routing.rebalance.enable: false
2）第二个是限制已有索引数据的分布范围，暂时只容许分布在旧的数据节点上，旧集群数据节点在早期部署时并未设置自定义标签，所以只能通过设置IP范围限制，还有就是后面在迁移数据时需要按找索引维度逐步迁移，控制集群迁移的并行度。设置如下：
#限制索引的分布范围
"index.routing.allocation.include._ip": "多个旧集群IP"
4、启动新集群数据节点
在禁用旧集群的数据自动平衡之后，启动新集群数据节点，这一步是安全的，可以全部启动，此时集群数据节点有很多，旧数据节点有数据，新数据节点无数据，新的数据节点无任何查询与写入。
由于新数据节点是全新搭建，可以提前设置节点自定义属性，方便之后运维设置。设置如下：
#集群机架属性
node.attr.rack: rack1
#集群数据中心
node.attr.zone: zone1
#实例节点硬盘
node.attr.disk: ssd1
#更多属性......
node.attr.xxxx: yyy1
图表 4图示：仅优先启动数据节点
5、切换集群访问
Elasticsearch集群主要有几个使用方：
1）Hadoop平台离线数据写入ES，从ES抽取数据。Elastic提供了Hadoop直连访问驱动。如Hive是通过创建映射表与Elasticsearch索引关联的，新的数据节点启动之后，原有所有Hive-Es映射表需要全部重新创建，更换其中的IP+PORT指向；由于Hive有很多与Elastic关联的表，所以短时间内没有那么快替换完成，新旧数据节点需要共存一段时间，不能在数据迁移完成之后马上关闭。
#Hive指定连接
es.nodes=多个数据节点IP+PORT
2）业务系统应用实时查询。这种切换比较简单，Elastic集群对外提供了代理访问，业务系统应用访问首先要调用大数据提供的API，这些定制化的API内部也是通过代理访问Elastic集群。
3）大数据中心应用实时计算数据写入。实时计算程序上游有kafka队列，基于kafka自带的offset机制，在新集群启动实时计算应用，然后关闭旧集群实时计算应用，就可以完成切换。
6、手动转移数据
为什么要手动迁移数据 ？
- 公有云与新集群机房是跨网段，网络带宽有限；
- 集群中有很多大索引，单索引数据超过数百GB，这种索引移动会会很伤集群IO；
- 新旧数据节点会共存一段时间，自动平衡会导致大量的跨网络的查询与写入，很伤网络IO。
迁移数据的原则如下：
- 索引数据量小的优先；
- 离线更新的索引数据优先；
- 业务系统查询频率低索引数据的优先；
- 迁移索引数据控制并行度，每次操作控制在网络带宽限制之内。
迁移数据也是通过限制索引分布IP范围，设置如下：
#限制索引的分布范围
"index.routing.allocation.include._ip": "多个新集群IP"
7、关闭旧集群数据节点
关闭旧集群数据节点是一个逐步的过程，一个一个关闭，在一段时间内新旧集群数据节点需要共存，应用访问切换并没有那么快进行，且要支持随时回滚操作。关闭旧集群据节点有2个前提条件，如下：
- 旧集群索引数据必须迁移完成；
- 集群访问切换必须已经完成。
图表 5关闭旧集群数据节点
8、启动新集群管理节点
为什么要在最后启动新集群管理节点？并且同步关闭旧集群管理节点？
- 一个Elasticsearch集群只有一个工作管理节点，负责维护集群所有的元数据信息；其余的是备选管理节点，只是同步集群元数据信息，不参与协调管理。工作主节点关闭集群需要重新选举工作主节点，此时集群会处于半停顿状态，虽然很快，也会有影响；
- 旧集群已经有5个管理节点，其中一个是工作主节点，其余4个是备选节点，因为Elastic版本是6.5.X，原有的集群脑裂因子设置是3=（5/2+1），当启动新集群的管理节点，若网络出现短暂通信问题，集群脑裂因子设置会无效。
切换新旧管理节点的策略如下：
- 每启动一个新集群管理节点 ，关闭一个旧集群备选管理节点；
- 最后关闭旧集群工作管理节点，集群重新选举新的工作管理节点
图表 6图示：启动新集群管理节点
9、启用集群自动平衡
在集群迁移之前，已经禁用了集群的自动平衡机制，集群迁移结束之后，需要恢复这种机制。
#禁用集群新创建索引分配
cluster.routing.allocation.enable: true
#禁用集群自动平衡
cluster.routing.rebalance.enable: true
涉及技术
1、集群弹性
在我们能如此平滑的完成Elasticsearch从公有云迁移到自有机房，得益于与共用集群这个概念。
- 个人认为这是Elasticsearch最大特性卖点，设计上任意节点都可以很容易加入集群或者离开集群，集群都可以弹性的平滑扩展，基本不影响系统运行稳定；
- 在业务系统发展早期，可以部署少量节点，发展后期可以部署更多节点或者部署更强的服务器，以达到最佳的性价比配置，从成本与性能平衡；
- 自动化运维方面节约成本，相比传统的关系型数据库集群规模庞大之后，需要关注的点很多，而Elastic很少，大中型集群规模以下几乎无需专门的Elastic运维人员。
2、集群选举
- 主从架构模式，一个集群只能有一个工作状态的管理节点，其余管理节点是备选，备选数量原则上不限制。很多大数据产品管理节点仅支持一主一从，如Greenplum、Hadoop、Prestodb；
- 工作管理节点自动选举，工作管理节点关闭之后自动触发集群重新选举，无需外部三方应用，无需人工干预。很多大数据产品需要人工切换或者借助第三方软件应用，如Greenplum、Hadoop、Prestodb。
3、节点角色
Elasticsearch支持多种节点角色，一个节点可以支持多个角色，也可以支持一种角色
节点角色说明：
- Master，管理节点，管理集群元数据信息，集群节点信息，集群索引元数据信息；
- Voting，投票节点，参与集群管理节点选举投票，注意7.X以上版本才支持；
- Data，数据节点，存储实际数据，提供初步联合查询，初步聚合查询，也可以作为协调节点；
- Ingest，数据处理节点，类似ETL处理；
- Coordinate，协调节点，数据查询协调、数据写入协调；
- Machine Learning，机器学习节点，模型训练与模型预测
4、协调路由
Elasticsearch集群中有多个节点，其中任一节点都可以查询数据或者写入数据，集群内部节点会有路由机制协调，转发请求到索引分片所在的节点。我们在迁移集群时采用应用代理切换，外部访问从旧集群数据节点切换到新集群数据节点，就是基于此特点。
5、分片副本
分片与副本是Elasticsearch集群实现分布式最重要前提。
- 分片机制，一个索引可以分成多个分片，分片数据可以分布在任意集群数据节点上，此机制可以保证我们迁移大的索引数据时，按照分片一个一个迁移，而不用一次性迁移所有的分片，有效减少磁盘IO与网络IO；
- 副本机制，一个索引主分片可以有多个副本分片，主分片与副本分片可以任意切换，无需人工切换。这种机制可以保证我们在迁移大的数据索引时，仅迁移主分片数据即可，有效减少磁盘IO与网络IO。
#副本设置
index.number_of_replicas: 数值，默认1
#分片迁移API
POST /_cluster/reroute
{
"commands" : [
{
"move" : {
"index" : "test_index", "shard" : 0,
"from_node" : "node1", "to_node" : "node2"
}
}
]}
6、分布过滤
Elasticsearch本身提供了多种索引分片分布过滤操作，特别是在集群规模比较大时，需要按照业务领域隔离集群资源。如有的业务索引是历史数据，数据量很大，仅偶尔低频率查询，可以做一些冷热分离设置。
# 分布过滤设置
index.routing.allocation.include.{attribute}
index.routing.allocation.require.{attribute}
index.routing.allocation.exclude.{attribute}
总结
- Elastic集群迁移到物理机之后，运行性能较之前有很大的提高，并行写入性能提升好几倍，查询与写入交叉影响降低很多；
- Elastic官方文档非常详细的描述了各种特性功能，但并没有针对数据迁移专门列举一个完整的步骤，掌握Elastic最好的方式是实战与理论并行，深入Elastic背后的实现原理，尝试多种项目的实战。