Elasticsearch修改analyzer设置后如何重新分析索引存量旧数据

Elasticsearch的分词器（analyzer）仅在文档写入索引阶段生效，修改索引的analyzer配置后，存量已写入的文档不会自动重新分词，必须触发文档重新写入流程才能应用新的analyzer配置，具体可选择以下两种方案实现：

前置准备 #

• 操作前务必对原索引创建全量快照备份，避免操作失误导致数据丢失
• 调整完analyzer配置后，先通过_analyze接口验证新分词器符合预期：

POST /<你的索引名称>/_analyze
{
  "analyzer": "<新配置的分词器名称>",
  "text": "用于测试分词效果的文本"
}

• 若直接修改原索引的analyzer配置，需要执行关闭再打开索引的操作让配置生效：

POST /<你的索引名称>/_close
POST /<你的索引名称>/_open

方案一：重建索引（生产环境官方推荐） #

该方案稳定性最高，操作全程不影响原索引正常服务，出现异常可随时回滚，适合所有规模的索引，操作步骤如下：

1. 新建目标索引，在settings和mapping中配置调整后的新analyzer以及其他和原索引一致的参数
2. 调用_reindex接口将原索引的全量数据同步到新索引，同步过程会自动对所有文档应用新的analyzer做分词处理：

POST _reindex
{
  "source": {
    "index": "<原索引名称>"
  },
  "dest": {
    "index": "<新索引名称>"
  }
}

3. 同步完成后校验新索引的文档数量、查询分词效果是否符合预期
4. 切换业务流量到新索引即可，建议通过索引别名实现无感知切换，操作示例：

POST _aliases
{
  "actions": [
    {"remove": {"index": "<原索引名称>", "alias": "<业务使用的索引别名>"}},
    {"add": {"index": "<新索引名称>", "alias": "<业务使用的索引别名>"}}
  ]
}

方案二：原地更新（适合小数据量测试/开发环境） #

该方案不需要创建新索引，直接对原索引的存量文档触发重新分词，执行过程会占用索引读写资源，可能影响正常业务请求，仅适合小数据量场景，操作步骤如下：

1. 确认原索引的新analyzer配置已经生效
2. 调用_update_by_query接口执行全量空更新，触发所有文档重新索引应用新分词器：

POST /<你的索引名称>/_update_by_query?refresh=true

3. 任务执行完成后验证分词效果即可

通用注意事项 #

• 数据量较大的场景下执行_reindex或_update_by_query时，可添加wait_for_completion=false参数让任务后台异步执行，避免接口超时，后续通过GET _tasks/<任务ID>即可查询任务进度
• 可通过添加requests_per_second=<数值>参数控制任务执行速率，避免占用过多集群资源影响正常业务

内容的提问来源于stack exchange，提问作者TanPS