大家好，又见面了，我是你们的朋友全栈君。
需求：修复与增强写入的数据
Tags 字段中，逗号分割的文本应该是数组，而不是一个字符串需求：后期需要对 Tags 进行 Aggregation 统计
Ingest Node
Elasticsearch 5.0 后，引入的一种新的节点类型。默认配置下，每个节点都是 Ingest Node具有预处理数据的能力，可拦截 Index 或者 Bulck API 的请求
对数据进行转换，并重新返回给 Index 和 Bluck API
无需 Logstash ，就可以进行数据的预处理，例如为某个字段设置默认值；重命名某个字段的字段名；对字段值进行 Split 操作
支持设置 Painless 脚本，对数据进行更加复杂的加工
Pipeline & Processor
Pipeline – 管道会对通过的数据(文档)，按照顺序进行加工
Processor – Elasticsearch 对一些加工的行为进行了抽象包装Elasticsearch 有很多内置的 Processors。也支持通过插件的方式，实现自己的 Processsor
使用 Pipeline 切分字符串
# 测试split tags
POST _ingest/pipeline/_simulate
{
“pipeline”: {
“description”: “to split blog tags”,
“processors”: [
{
“split”: {
“field”: “tags”,
“separator”: “,”
}
}
]
},
“docs”: [
{
“_index”: “index”,
“_id”: “id”,
“_source”: {
“title”: “Introducing big data……”,
“tags”: “hadoop,elasticsearch,spark”,
“content”: “You konw, for big data”
}
},
{
“_index”: “index”,
“_id”: “idxx”,
“_source”: {
“title”: “Introducing cloud computering”,
“tags”: “openstack,k8s”,
“content”: “You konw, for cloud”
}
}
]
}
为文档增加字段
#同时为文档，增加一个字段。blog查看量
POST _ingest/pipeline/_simulate
{
“pipeline”: {
“description”: “to split blog tags”,
“processors”: [
{
“split”: {
“field”: “tags”,
“separator”: “,”
}
},
{
“set”: {
“field”: “views”,
“value”: 0
}
}
]
},
“docs”: [
{
“_index”: “index”,
“_id”: “id”,
“_source”: {
“title”: “Introducing big data……”,
“tags”: “hadoop,elasticsearch,spark”,
“content”: “You konw, for big data”
}
},
{
“_index”: “index”,
“_id”: “idxx”,
“_source”: {
“title”: “Introducing cloud computering”,
“tags”: “openstack,k8s”,
“content”: “You konw, for cloud”
}
}
]
}
Pipeline API
添加 Pipeline 并测试
# 为ES添加一个 Pipeline
PUT _ingest/pipeline/blog_pipeline
{
“description”: “a blog pipeline”,
“processors”: [
{
“split”: {
“field”: “tags”,
“separator”: “,”
}
},
{
“set”: {
“field”: “views”,
“value”: 0
}
}
]
}
#测试pipeline
POST _ingest/pipeline/blog_pipeline/_simulate
{
“docs”: [
{
“_source”: {
“title”: “Introducing cloud computering”,
“tags”: “openstack,k8s”,
“content”: “You konw, for cloud”
}
}
]
}
Index & Update By Query
#不使用pipeline更新数据
PUT tech_blogs/_doc/1
{
“title”:”Introducing big data……”,
“tags”:”hadoop,elasticsearch,spark”,
“content”:”You konw, for big data”
}
#使用pipeline更新数据
PUT tech_blogs/_doc/2?pipeline=blog_pipeline
{
“title”: “Introducing cloud computering”,
“tags”: “openstack,k8s”,
“content”: “You konw, for cloud”
}
#查看两条数据，一条被处理，一条未被处理
POST tech_blogs/_search
{}
#update_by_query 会导致错误
POST tech_blogs/_update_by_query?pipeline=blog_pipeline
{
}
#增加update_by_query的条件
POST tech_blogs/_update_by_query?pipeline=blog_pipeline
{
“query”: {
“bool”: {
“must_not”: {
“exists”: {
“field”: “views”
}
}
}
}
}
一些内置的 Processors
https://www.elastic.co/guide/en/elasticsea…Split Processor (例如：将给定字段分成一个数组)
Remove / Rename Processor (移除一个重命名字段)
Append(为商品增加一个新的标签)
Convert (将商品价格，从字符串转换成 float 类型)
Date / JSON (日期格式转换，字符串转 JSON 对象)
Date Index Name Processor (将通过该处理器的文档，分配到指定时间格式的索引中)
Fail Processor (一旦出现异常，该 Pipeline 指定的错误信息能返回给用户)
Foreach Process (数组字段，数组的每个元素都会使用到一个相同的处理器)
Grok Processor (日志的日志格式切割)
Gsub / Join / Split (字符串替换、数组转字符串、字符串转数组)
Lowercase / Upcase(大小写转换)
Ingest Node v.s Logstash
|| Logstash| Ingest Node|
|–|–|
|数据输入与输出|支持从不同的数据源读取，并写入不同的数据源|支持从ES REST API 获取数据，并且写入ES|
|数据源缓冲| 实现了简单的数据队列，支持重写| 不支持缓冲|
|数据处理| 支持大量的的插件，也支持定制开发|内置的插件，可以开发 Plugin 进行扩展(Plugin 更新需要重启)|
|配置和使用| 增加了一定的架构复杂度| 无需额外部署|
https://www.elastic.co/cn/blog/should-i-us…
Painless 简介
自 ES 5.x 后引入，专门为 ES 设置，扩展了 Java 的语法
6.0 开始，ES 只支持 Painless。Grooby ,JavaScript 和 Python 都不在支持
Painless 支持所有的 Java 的数据类型及 Java API 子集
Painless Script 具备以下特性高性能 、 安全
支持显示类型或者动态定义类型
Painless 的用途
可以对文档字段进行加工处理更新或者删除字段，处理数据聚合操作
Script Field： 对返回的字段提前进行计算
Function Score：对文档的算分进行处理
在Ingest Pipeline 中执行脚本
在Reindex API，Update By Query 时，对数据进行处理
通过 Painless 脚本访问字段
上线文
语法Ingestion
ctx.field_name
Update
ctx._source.field_name
Search & Aggregation
doc{“field_name”]
案例1：Script Processsor
# 增加一个 Script Prcessor
POST _ingest/pipeline/_simulate
{
“pipeline”: {
“description”: “to split blog tags”,
“processors”: [
{
“split”: {
“field”: “tags”,
“separator”: “,”
}
},
{
“script”: {
“source”: “””
if(ctx.containsKey(“content”)){
ctx.content_length = ctx.content.length();
}else{
ctx.content_length=0;
}
“””
}
},
{
“set”: {
“field”: “views”,
“value”: 0
}
}
]
},
“docs”: [
{
“_index”: “index”,
“_id”: “id”,
“_source”: {
“title”: “Introducing big data……”,
“tags”: “hadoop,elasticsearch,spark”,
“content”: “You konw, for big data”
}
},
{
“_index”: “index”,
“_id”: “idxx”,
“_source”: {
“title”: “Introducing cloud computering”,
“tags”: “openstack,k8s”,
“content”: “You konw, for cloud”
}
}
]
}
案例2：文档更新计数
DELETE tech_blogs
PUT tech_blogs/_doc/1
{
“title”:”Introducing big data……”,
“tags”:”hadoop,elasticsearch,spark”,
“content”:”You konw, for big data”,
“views”:0
}
POST tech_blogs/_update/1
{
“script”: {
“source”: “ctx._source.views = params.new_views”,
“params”: {
“new_views”:100
}
}
}
# 查看views计数
POST tech_blogs/_search
案例3：搜索时的Script 字段
GET tech_blogs/_search
{
“script_fields”: {
“rnd_views”: {
“script”: {
“lang”: “painless”,
“source”: “””
java.util.Random rnd = new Random();
doc[‘views’].value rnd.nextInt(1000);
“””
}
}
},
“query”: {
“match_all”: {}
}
}
Script :Inline v.s Stored
#保存脚本在 Cluster State
POST _scripts/update_views
{
“script”:{
“lang”: “painless”,
“source”: “ctx._source.views = params.new_views”
}
}
POST tech_blogs/_update/1
{
“script”: {
“id”: “update_views”,
“params”: {
“new_views”:1000
}
}
}
脚本缓存
编译的开销相较大
Elasticsearch 会将甲苯编译后缓存在 Cache 中Inline scripts 和 Stored Scripts 都会被缓存
默认缓存 100个脚本
本节知识点
概念讲解：Ingest Node，Pipeline 与 Processor
Ingest Node 与 Logstash 的⽐较
Pipeline 的 相关操作 / 内置 Processor 讲解与演示
Painless 脚本与Ingestion (Pipeline)
Update
Search & Aggregation
本作品采用《CC 协议》，转载必须注明作者和本文链接
快乐就是解决一个又一个的问题！
发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/126741.html原文链接：https://javaforall.cn
