当前位置: 首页>数据库>正文

es的keyword太长 模糊查询失效 超长字段不被 es keyword最大长度

1. 如果 插入es的BodyJson大于32766(utf-8),需要使用mapping创建

Elasticsearch系列之四】腾讯云ES数据基本操作使用Elasticsearch(附Golang代码)迁移到es使用上遇到的问题elasticsearch如何修改mapping和template的方法elasticsearch - 如何使用Golang将数据导入ElasticsearchElasticSearch的Mapping之字段类型「Elasticsearch」ES重建索引怎么才能做到数据无缝迁移呢?

  • keyword类型的最大支持的长度为——32766个UTF-8类型的字符。
    也就是说term精确匹配的最大支持的长度为32766个UTF-8个字符
    解决方式1:
    如果该字段不需要被索引,可禁止对该字段进行索引。“index”: false
    解决方式2:
    如果该字段需要被索引,可对字段长度做个限制。“ignore_above”: 20 表示所有该字段的内容长度超过20字节时,该条记录会被插入,但同样不会被索引。
    修改mapping之前,要把数据都清理掉,不然你就算put了新的mapping,他以前的数据也更正不过来,后进去的数据会跟随旧数据的存储类型
  • 注意:索引模板仅在索引创建时应用,因此模板调整不会对已有的索引产生影响。
  • 深究|Elasticsearch单字段支持的最大字符数
  • text类型:支持分词、全文检索,不支持聚合、排序操作。
    适合大字段存储,如:文章详情、content字段等;
  • keyword类型:支持精确匹配,支持聚合、排序操作。
    适合精准字段匹配,如:url、name、title等字段。
  1. 一般情况,text和keyword共存
    ES5.X版本以后,keyword支持的最大长度为32766个UTF-8字符,text对字符长度没有限制。
  2. 设置ignore_above后,超过给定长度后的数据将不被索引,无法通过term精确匹配检索返回结果。
  • kibana查看mapping
    GET 索引/表名/_mapping
//properties对应mapping里的properties内容,要进行分词和高亮因此要设置分词器和开启term_vector。
const mapping = `
{
    "mappings": {
        "properties": {
            "id": {
                "type": "long"
            },
            "title": {
                "type": "text"
            },
            "genres": {
                "type": "keyword"
            }
        }
    }
}`

ctx := context.Background()
client, err := elastic.NewClient(elastic.SetURL(servers...))
if err != nil {
    panic(err)
}

exists, err := client.IndexExists(indexName).Do(ctx)
if err != nil {
    panic(err)
}
if !exists {
    _, err := client.CreateIndex(indexName).BodyString(mapping).Do(ctx)
    if err != nil {
        panic(err)
    }
}

上面这部分创建了client,用IndexExists检查索引是否存在。如果索引不存在用CreateIndex创建索引,mapping内容用BodyString传入。

2. ES数据库重建索引——Reindex(数据迁移)与提速

ES数据库重建索引——Reindex(数据迁移)
应用背景:
1、当你的数据量过大,而你的索引最初创建的分片数量不足,导致数据入库较慢的情况,此时需要扩大分片的数量,此时可以尝试使用Reindex。

2、当数据的mapping需要修改,但是大量的数据已经导入到索引中了,重新导入数据到新的索引太耗时;但是在ES中,一个字段的mapping在定义并且导入数据之后是不能再修改的,

所以这种情况下也可以考虑尝试使用Reindex。

Reindex:
ES提供了_reindex这个API。相对于我们重新导入数据肯定会快不少,实测速度大概是bulk导入数据的5-10倍。

数据迁移步骤:
1、创建新的索引(可以通过java程序也可以直接在head插件上创建)

注意:在创建索引的时候要把表结构也要创建好(也就是mapping)

2、复制数据

最简单、基本的方式:

1)代码请求:

POST _reindex
{
  "source": {
    "index": "old_index"
  },
  "dest": {
    "index": "new_index"
  }
}

2)利用命令:

curl _XPOST 'ES数据库请求地址:9200/_reindex' -d{"source":{"index":"old_index"},"dest":{"index":"new_index"}}

但如果新的index中有数据,并且可能发生冲突,那么可以设置version_type"version_type": "internal"或者不设置,则Elasticsearch强制性的将文档转储到目标中,覆盖具有相同类型和ID的任何内容:

POST _reindex
{
  "source": {
    "index": "old_index"
  },
  "dest": {
    "index": "new_index",
    "version_type": "internal"
  }
}

数据迁移效率
问题发现:

常规的如果我们只是进行少量的数据迁移利用普通的reindex就可以很好的达到要求,但是当我们发现我们需要迁移的数据量过大时,我们会发现reindex的速度会变得很慢

数据量几十个G的场景下,elasticsearch reindex速度太慢,从旧索引导数据到新索引,当前最佳方案是什么?
原因分析:

reindex的核心做跨索引、跨集群的数据迁移。
慢的原因及优化思路无非包括:
1)批量大小值可能太小。需要结合堆内存、线程池调整大小;
2)reindex的底层是scroll实现,借助scroll并行优化方式,提升效率;
3)跨索引、跨集群的核心是写入数据,考虑写入优化角度提升效率。

可行方案:

1)提升批量写入大小值

默认情况下,_reindex使用1000进行批量操作,您可以在source中调整batch_size。

POST _reindex
{
  "source": {
    "index": "source",
    "size": 5000
  },
  "dest": {
    "index": "dest",
    "routing": "=cat"
  }
}

批量大小设置的依据:

1、使用批量索引请求以获得最佳性能。

批量大小取决于数据、分析和集群配置,但一个好的起点是每批处理5-15 MB。

注意,这是物理大小。文档数量不是度量批量大小的好指标。例如,如果每批索引1000个文档:

1)每个1kb的1000个文档是1mb。

2)每个100kb的1000个文档是100 MB。

这些是完全不同的体积大小。

2、逐步递增文档容量大小的方式调优。

1)从大约5-15 MB的大容量开始,慢慢增加,直到你看不到性能的提升。然后开始增加批量写入的并发性(多线程等等)。

2)使用kibana、cerebro或iostat、top和ps等工具监视节点,以查看资源何时开始出现瓶颈。如果您开始接收EsRejectedExecutionException,您的集群就不能再跟上了:至少有一个资源达到了容量。

要么减少并发性,或者提供更多有限的资源(例如从机械硬盘切换到ssd固态硬盘),要么添加更多节点。

2)借助scroll的sliced提升写入效率

Reindex支持Sliced Scroll以并行化重建索引过程。 这种并行化可以提高效率,并提供一种方便的方法将请求分解为更小的部分。

sliced原理(from medcl)

1)用过Scroll接口吧,很慢?如果你数据量很大,用Scroll遍历数据那确实是接受不了,现在Scroll接口可以并发来进行数据遍历了。
2)每个Scroll请求,可以分成多个Slice请求,可以理解为切片,各Slice独立并行,利用Scroll重建或者遍历要快很多倍。

slicing使用举例

slicing的设定分为两种方式:手动设置分片、自动设置分片。
手动设置分片参见官网。
自动设置分片如下:

POST _reindex?slices=5&refresh
{
  "source": {
    "index": "twitter"
  },
  "dest": {
    "index": "new_twitter"
  }
}

slices大小设置注意事项:

1)slices大小的设置可以手动指定,或者设置slices设置为auto,auto的含义是:针对单索引,slices大小=分片数;针对多索引,slices=分片的最小值。
2)当slices的数量等于索引中的分片数量时,查询性能最高效。slices大小大于分片数,非但不会提升效率,反而会增加开销。
3)如果这个slices数字很大(例如500),建议选择一个较低的数字,因为过大的slices 会影响性能。

效果

实践证明,比默认设置reindex速度能提升10倍+。

1. 详细步骤

1.为什么需要重建索引

举个例子,如果一个字段是text类型,如果想修改为Long类型,是不能直接修改的。

在重建的过程中,需要有别名的参与。

2.操作步骤

对当前的索引新建一个别名

新建一个新的索引,同步结构

同步数据

给新的索引见一个别名

删除老的索引的别名

删除老的索引

二:操作步骤详解
1.对当前的索引添加别名

POST /_aliases
{
  "actions": [
    {
      "add": {
        "index": "nba",
        "alias": "nba_lastest"
      }
    }
  ]
}

2.新增⼀个索引(⽐如修改字段类型,jerseyNo改成keyword类型)

PUT /nba_20200202
{
  "mappings": {
    "properties": {
        "age" : {
          "type" : "integer"
        },
        "birthDay" : {
          "type" : "date"
        },
        "birthDayStr" : {
          "type" : "keyword"
        },
        "code" : {
          "type" : "text"
        },
        "country" : {
          "type" : "text"
        },
        "countryEn" : {
          "type" : "text"
        },
        "displayAffiliation" : {
          "type" : "text"
        },
        "displayName" : {
          "type" : "text"
        },
        "displayNameEn" : {
          "type" : "text"
        },
        "draft" : {
          "type" : "long"
        },
        "heightValue" : {
          "type" : "float"
        },
        "jerseyNo" : {
          "type" : "keyword"
        },
        "playYear" : {
          "type" : "long"
        },
        "playerId" : {
          "type" : "keyword"
        },
        "position" : {
          "type" : "text"
        },
        "schoolType" : {
          "type" : "text"
        },
        "teamCity" : {
          "type" : "text"
        },
        "teamCityEn" : {
          "type" : "text"
        },
        "teamConference" : {
          "type" : "keyword"
        },
        "teamConferenceEn" : {
          "type" : "keyword"
        },
        "teamName" : {
          "type" : "keyword"
        },
        "teamNameEn" : {
          "type" : "keyword"
        },
        "weight" : {
          "type" : "text"
        }
      }
  }
}

3.给新的索引,同步数据

添加的参数,是异步执行的意思

POST /_reindex?wait_for_completion=false
{
  "source": {
    "index": "nba"
  },
  "dest": {
    "index": "nba_20200202"
  }
}
  效果:

1
2
3
{
  "task" : "O9L9cZRfQwWqC2UVUaxMaQ:18594274"
}

4.替换别名

POST /_aliases
{
  "actions": [
    {
      "add": {
        "index": "nba_20200202",
        "alias": "nba_lastest"
      }
    },
    {
      "remove": {
        "index": "nba",
        "alias": "nba_lastest"
      }
    }
  ]
}

5.删除旧的索引

其实,这里不删除也行,但是会占用一些资源

DELETE /nba

6.进行验证

GET /nba_lastest/_search
{
  "query": {
    "match_all": {}
  }
}

3.keyword实现类似分词查询

GET 索引/表/_search
{
    "from":0,
    "size":2,
    "query":{
        "bool":{
            "filter":[

            ],
            "must":[
                {
                    "query_string":{
                        "query":"title:(*痛经*)",
                        "default_operator":"and"
                    }
                }
            ]
        }
    },
    "sort":{
        "_uid":"desc"
    }
}



https://www.xamrdz.com/database/6st1934718.html

相关文章: