Elasticsearch 中的 Reindex API 是如何工作的？有哪些应用场景？

回答重点

Reindex API 是 Elasticsearch 中一种重要的工具，它允许我们从一个索引中读取数据然后索引到另一个索引中。这在一些需要重新组织数据的场景非常有用，比如当你需要更改文档映射（mappings）、迁移数据到新索引或者批量更新数据内容时。

具体来说，Reindex API 的工作原理是：
1）读取源索引中的文档。
2）将这些文档基于指定的查询和过滤条件处理（处理过程可以包括变更文档结构、删除部分数据等）。
3）将处理后的文档写入目标索引。

它支持在目标索引已经存在或需要新创建索引的条件下进行操作，并且可以支持部分更新（通过脚本修改原始数据）。

扩展知识

1）应用场景：

索引重建：当你需要为现有的数据应用新的映射规则时，你可以创建一个新索引并使用Reindex API将数据迁移过去。这避免了直接在现有索引上操作带来的风险。
数据迁移：从一个集群迁移数据到另一个集群。但要注意，Reindex API 默认不支持跨集群操作。如果需要这种功能，你可以使用远程索引功能。
数据更新：批量修改现有数据。通过使用脚本，可以在Reindex过程中对每条文档进行必要的修改。
数据归档：将旧索引数据迁移到新的存储位置，便于管理和查询效率提升。

2）操作示例：

简单的Reindex操作：

POST _reindex
{
  "source": {
    "index": "source_index"
  },
  "dest": {
    "index": "dest_index"
  }
}

使用脚本修改文档：

POST _reindex
{
  "source": {
    "index": "source_index"
  },
  "dest": {
    "index": "dest_index"
  },
  "script": {
    "lang": "painless",
    "source": "ctx._source['new_field'] = 'new_value'"
  }
}

通过查询选择部分数据进行Reindex：

POST _reindex
{
  "source": {
    "index": "source_index",
    "query": {
      "term": {
        "status": "active"
      }
    }
  },
  "dest": {
    "index": "dest_index"
  }
}

3）注意事项：

性能问题：Reindex 是一个相对昂贵的操作。处理大量数据时你需要关注性能问题，建议在非高峰时期执行。
权限问题：确保用户具有读源索引和写目标索引的权限。
冲突处理：如果目标索引中已有相同 ID 的文档，默认会使用源索引中的数据覆盖它们。可以通过设置op_type为create来避免覆盖。

4）其他相关API：

Update by Query API：可以用于更新索引中的现有文档，适用于部分字段更新操作，但不适用于跨索引的数据迁移。
Snapshot and Restore API：适合整个索引的数据备份和恢复，不适合同步运行的数据迁移。