elasticdump/elasticsearch-dump

Elasticdump Docker镜像文档

镜像概述和主要用途

Elasticdump 是一款用于迁移和保存 Elasticsearch 及 OpenSearch 索引的工具。它支持在不同 Elasticsearch/OpenSearch 实例之间传输数据，或备份索引至文件、对象存储（如 AWS S3、MinIO）等目标位置。该工具可灵活处理索引的映射（mapping）、分析器（analyzer）、数据（data）等多种类型，并提供数据过滤、分片、加密等高级功能，适用于数据备份、跨环境迁移、数据导出等场景。

核心功能和特性

• 多源输入输出：支持 Elasticsearch/OpenSearch 实例、本地文件、AWS S3、MinIO、CSV 文件等作为输入/输出源。
• 全面数据类型支持：可迁移/备份索引的映射（mapping）、分析器（analyzer）、数据（data）、别名（alias）、模板（template）等元数据及内容。
• 灵活数据过滤：通过 --searchBody 指定查询条件，仅导出符合条件的数据；支持搜索模板（Search Template）。
• 文件处理能力：支持文件分割（按大小或行数）、GZIP 压缩/解压、CSV 导入（自定义分隔符、跳过行）。
• 高性能与可靠性：支持并发请求控制、滚动查询（scroll）、错误重试（自动重试网络错误）、断点续传（基于 scrollId）。
• 云存储集成：原生支持 AWS S3 及 S3 兼容存储（如 MinIO），支持服务端加密（SSE-KMS）、存储类别配置。
• OpenSearch 兼容：从 6.76.0 版本开始支持 OpenSearch（基于 Elasticsearch 7.10.2 分支）。
• 自定义扩展：支持自定义数据转换（transform）、搜索体模板（searchBodyTemplate）、输入/输出传输插件。

使用场景和适用范围

典型场景

• 索引备份与恢复：将 Elasticsearch 索引备份至本地文件或 S3，需时恢复。
• 跨环境迁移：将生产环境索引迁移至测试/ staging 环境（如映射、数据全量迁移）。
• 数据过滤导出：通过查询条件导出部分数据（如特定用户、时间段的记录）。
• 多索引批量处理：配合 multielasticdump 工具批量迁移多个索引。
• 对象存储集成：将索引数据归档至 S3 或从 S3 导入数据至 Elasticsearch。
• CSV 数据导入：将 CSV 文件（如日志、报表）导入 Elasticsearch 建立索引。

适用范围

• Elasticsearch 版本：5.x 及以上（3.0.0+ 默认支持），低版本可能存在兼容性问题。
• OpenSearch 版本：7.10.2 及以上（6.76.0+ 支持）。
• 部署环境：支持 Linux/macOS/Windows，推荐通过 Docker 容器化部署以简化依赖管理。

安装与部署

本地安装（非 Docker）

需先安装 Node.js（v10.0.0+），通过 npm 安装：

bash
# 本地安装
npm install elasticdump
./bin/elasticdump

# 全局安装
npm install -g elasticdump
elasticdump

Docker 安装

拉取镜像

bash
docker pull elasticdump/elasticsearch-dump

基础使用格式

bash
docker run --rm -ti elasticdump/elasticsearch-dump [OPTIONS]

• --rm：退出后删除容器。
• -ti：交互式终端，便于查看日志。
• 如需访问本地文件，需挂载宿主机目录（如 -v /本地目录:/容器内目录）。

使用方法

1. 基本操作示例

1.1 迁移索引（生产环境到 Staging）

迁移索引的映射、分析器和数据：

bash
# 迁移分析器
docker run --rm -ti elasticdump/elasticsearch-dump \
  --input=http://production.es:9200/my_index \
  --output=http://staging.es:9200/my_index \
  --type=analyzer

# 迁移映射
docker run --rm -ti elasticdump/elasticsearch-dump \
  --input=http://production.es:9200/my_index \
  --output=http://staging.es:9200/my_index \
  --type=mapping

# 迁移数据
docker run --rm -ti elasticdump/elasticsearch-dump \
  --input=http://production.es:9200/my_index \
  --output=http://staging.es:9200/my_index \
  --type=data

1.2 备份索引到本地文件

将索引映射和数据备份至宿主机 /data 目录（需挂载卷）：

bash
# 备份映射
docker run --rm -ti -v /data:/tmp elasticdump/elasticsearch-dump \
  --input=http://production.es:9200/my_index \
  --output=/tmp/my_index_mapping.json \
  --type=mapping

# 备份数据（启用 GZIP 压缩）
docker run --rm -ti -v /data:/tmp elasticdump/elasticsearch-dump \
  --input=http://production.es:9200/my_index \
  --output=/tmp/my_index_data.json.gz \
  --type=data \
  --fsCompress

1.3 基于查询导出数据

导出 username: admin 的记录至文件：

bash
docker run --rm -ti -v /data:/tmp elasticdump/elasticsearch-dump \
  --input=http://production.es:9200/my_index \
  --output=/tmp/admin_data.json \
  --type=data \
  --searchBody='{"query":{"term":{"username":"admin"}}}'

若查询条件复杂，可将 JSON 保存至文件（如 /data/search.json），通过 --searchBody=@/tmp/search.json 引用。

1.4 从 S3 导入数据至 Elasticsearch

bash
docker run --rm -ti elasticdump/elasticsearch-dump \
  --s3AccessKeyId "AKIAXXX" \
  --s3SecretAccessKey "secret" \
  --input "s3://my-bucket/backup/my_index_data.json" \
  --output=http://production.es:9200/my_index \
  --type=data

1.5 CSV 文件导入 Elasticsearch

导入 CSV 文件（跳过首行标题，使用分号分隔）：

bash
docker run --rm -ti -v /data:/tmp elasticdump/elasticsearch-dump \
  --input "csv:///tmp/data.csv" \
  --output=http://production.es:9200/my_index \
  --csvSkipRows 1 \
  --csvDelimiter ";"

2. 非标准 Elasticsearch 部署场景

若 Elasticsearch 未部署在根路径（如 http://es:9200/api/search），需显式指定索引名：

bash
docker run --rm -ti elasticdump/elasticsearch-dump \
  --input=http://es:9200/api/search \
  --input-index=my_index \
  --output=http://es:9200/api/search \
  --output-index=my_index_backup \
  --type=data

3. Docker 网络配置

若需访问宿主机上的 Elasticsearch（localhost:9200），需使用主机网络：

bash
docker run --rm -ti --net=host elasticdump/elasticsearch-dump \
  --input=http://staging.es:9200/my_index \
  --output=http://localhost:9200/my_index \
  --type=data

转储文件格式

Elasticdump 生成的文件为行分隔 JSON（Line-Delimited JSON），即每行是一个独立的 JSON 对象，而非整体 JSON 数组。此格式支持流式处理，避免内存溢出。示例：

json
{"_index":"my_index","_type":"_doc","_id":"1","_source":{"name":"test1"}}
{"_index":"my_index","_type":"_doc","_id":"2","_source":{"name":"test2"}}

可通过以下命令解析：

bash
while read LINE; do jq . <<< "${LINE}"; done < dump.json

配置参数详解

输入输出参数

数据控制参数

性能与网络参数

文件处理参数

AWS/S3 参数

安全参数

版本兼容性注意事项

• 1.0.0+：转储文件格式变更，0.x.x 版本生成的文件不兼容，可能导致“内存不足”错误。
• 2.0.0+：移除 bulk 选项，多索引迁移需使用 multielasticdump。
• 3.0.0+：默认查询仅支持 Elasticsearch 5+，低版本兼容性下降。
• 5.0.0+：S3 传输移除 s3Bucket/s3RecordKey，需使用 S3 URL（如 s3://bucket/key）。
• 6.1.0+：并行处理提升性能，但数据顺序不保证。
• 6.67.0+：要求 Node.js 版本 ≥10.0.0，否则退出。
• 6.76.0+：支持 OpenSearch（基于 Elasticsearch 7.10.2）。

升级版本前建议参考 https://github.com/elasticsearch-dump/elasticsearch-dump/releases%EF%BC%8C%E9%81%BF%E5%85%8D%E6%95%B0%E6%8D%AE%E6%A0%BC%E5%BC%8F%E6%88%96%E5%8A%9F%E8%83%BD%E5%85%BC%E5%AE%B9%E6%80%A7%E9%97%AE%E9%A2%98%E3%80%82