从0到1了解ElasticSearch文档写入

原创

爱拼才会赢

修改于 2021-10-21 21:10:59

9251

修改于 2021-10-21 21:10:59

简介

这篇文章主要讨论一下ElasticSearch文档写入的关键步骤以及在使用ES Client使用过程的一些需要主要的问题。如果对ElasticSearch的基础概念不熟悉的同学可以先看一下上一篇文章【从0到1理解ElasticSearch文档写入和检索原理】。

创建索引

创建索引脚本

#创建索引 PUT /product_v1?pretty #定义索引的mapping PUT /product_v1/_doc/_mapping?pretty { "_doc": { "dynamic": false, "properties": { "productOuterId": { "type": "keyword" }, "productName": { "type": "text", "fields": { "raw": { "type": "keyword" } } }, "productPrice": { "type": "long" }, "createTime": { "type": "date", "format": "yyyy-MM-dd HH:mm:ss\|\|yyyy-MM-dd\|\|epoch_millis" } } } }

注意点

close dynamic mapping防止意外字段玷污，参考资料：https://www.elastic.co/guide/en/elasticsearch/reference/6.8/dynamic.html
text和keyword并用，可以用于trem和match，参考资料：https://www.elastic.co/guide/en/elasticsearch/reference/6.8/multi-fields.html

数据写入

Curl写入

curl -X PUT "localhost:9200/product_v1/_doc/1?pretty" -H 'Content-Type: application/json' -d' { "productOuterId": "00001", "productName": "男装柔软高领T恤(长袖初秋)", "productPrice": 130, "createTime": "2021-10-18 13:00" } '

es Client写入

Es Client(<6.8.5 和 <7.5 )自身的死锁

1.ES Client的内置scheduler线程池定时调用线程A来flush()数据 2.线程A阻塞等待数据写入任务，写入数据网络异常会尝试retry()，retry()也是放入scheduler线程池中执行 3.但scheduler线程池的coreSize=1，线程A正在使用此线程，导致retry()任务一直阻塞等待空闲线 4.Retry()任务不执行，那么线程A的flush()任务也一直卡死等待

ES issue:

https://github.com/elastic/elasticsearch/issues/47599

https://github.com/elastic/elasticsearch/issues/44556

ES 客户端bulkIndex流程细节，如下:

ES 6.8.5/7.5 如何修复上述DeadLock？官方采用：初始化两个scheduler，分别给flush() 和retry()来使用

https://github.com/jakelandis/elasticsearch/commit/b7b59329c247ff61715f21f5c0f409a059249909

写入优化

首次批量导入，设置 index.number_of_replicas = 0关闭副本，然后在写入完成后再开启副本，恢复过程本质上只是一个字节到字节的网络传输；
加大translog flush间隔，目的是降低iops、writeblock默认是每个请求都持久化到translog， index.translog.durability:requestindex.translog.durability:async表示translog的刷盘策略按sync_interval周期进行③加大 index.refresh_interval的间隔，降低I/O，降低segment merge请求;
调整bulk请求;
段合并优化。

参考资料：

elastic： https://www.elastic.co/guide/en/elasticsearch/reference/6.8/index.html