批量插入千万数据到Elasticsearch之bulkProcessor_bulkprocessor使用

public static void bulkDeleteByUserNoRequest(String index, List userNos) throws IOException {
//创建ES客户端
try (RestHighLevelClient client = getClient()) {
BulkProcessor.Listener listener = new BulkProcessor.Listener() {
@Override
public void beforeBulk(long executionId, BulkRequest request) {
// 执行之前调用
System.out.println(“操作” + request.numberOfActions() + “条数据”);
}

@Override
public void afterBulk(long executionId, BulkRequest request, BulkResponse response) {
// 执行之后调用
System.out.println(“成功” + request.numberOfActions() + “条数据，用时” + response.getTook());
}

@Override
public void afterBulk(long executionId, BulkRequest request, Throwable failure) {
// 失败时调用
System.out.println(“失败” + request.numberOfActions() + “条数据”);
System.out.println(“失败” + failure);
}
};
BulkProcessor bulkProcessor = BulkProcessor.builder(
(request, bulkListener) -> client.bulkAsync(request, RequestOptions.DEFAULT, bulkListener),
listener)
.setBulkActions(5000)
.setBulkSize(new ByteSizeValue(5L, ByteSizeUnit.MB))
.setFlushInterval(TimeValue.timeValueSeconds(10L))
.setConcurrentRequests(10)
.setBackoffPolicy(BackoffPolicy.exponentialBackoff(TimeValue.timeValueMillis(100), 3))
.build();

SearchRequest searchRequest = new SearchRequest(index);
SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
searchSourceBuilder.query(QueryBuilders.termsQuery(“userNo”, userNos));
searchSourceBuilder.size(10000);
searchRequest.source(searchSourceBuilder);

SearchResponse searchResponse = client.search(searchRequest, RequestOptions.DEFAULT);
if (searchResponse.getHits().getTotalHits().value == 0) {
return;
}
if (searchResponse.getHits().getTotalHits().value > 0) {
for (SearchHit hit : searchResponse.getHits().getHits()) {
bulkProcessor.add(new DeleteRequest(index).id(hit.getId()));
}
bulkProcessor.flush();
bulkProcessor.close();
client.close();
}

2.遇到的问题连接超时和io问题，这是因为发起的线程太多了上面我设置了10个线程，一个线程5000的数据，.setBulkActions(5000)  .setConcurrentRequests(10) 因为线程太多导致有一个线程不成功的话就会导致缺少数据，后面解决把.setBulkActions(2000)  .setConcurrentRequests(1）就成功导入1000万数据成功了

3.遇到的坑

最后一次如果没有达到5000的不会发送请求，手动刷新一次.flush,关闭客户端不能立马关闭不然会出现I/O异常，使用bulkProcessor.awaitClose( timeout: executeTime/1000,TimeUnit.SECoNDS);关闭，加在flush的后面一行

4.最终代码成功导入一千万数据到es完整代码耗时30分钟

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数大数据工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年大数据全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上大数据开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加VX：vip204888 （备注大数据获取）

如果你觉得这些内容对你有帮助，可以添加VX：vip204888 （备注大数据获取）
[外链图片转存中…(img-6ZtHuHrd-1712580743166)]