一 序
本文属于极客时间Elasticsearch核心技术与实战学习笔记系列。
二 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
2.1 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
2.2 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
2.3 使用 Pipeline 切分字符串 ![](https://i-blog.csdnimg.cn/blog_migrate/2983b0645dcc39792c82425e15f221cf.png)
2.3 demo
数据准备:
DELETE tech_blogs
#Blog数据,包含3个字段,tags用逗号间隔
PUT tech_blogs/_doc/1
{
"title":"Introducing big data......",
"tags":"hadoop,elasticsearch,spark",
"content":"You konw, for big data"
}
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"
}
}
]
}
这里定义了processors。用来把tags按照”,“切分。
同时为文档,增加一个字段。blog查看量
Pipeline API
为ES添加一个 Pipeline
测试pipeline/_simulate
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
{
}
java.lang.IllegalArgumentException: java.lang.IllegalArgumentException: field [tags] of type [java.util.ArrayList] cannot be cast to [java.lang.String]
指定query条件:对没有views的执行updatebyquery
再来执行一次query;
3 一些内置的 Processors
- 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)
3.1 Ingest Node v.s Logstash
4 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
4.1Painless 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
4.2通过 Painless 脚本访问字段
上下文 | 语法 |
---|---|
Ingestion | ctx.field_name |
Update | ctx._source.field_name |
Search & Aggregation | doc{“field_name”] |
不同的上下文,对应不同的语法。
4.3 demo
案例 1:Script Processsor
#########Demo for Painless###############
# 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"
}
}
]
}
这里的processors 是script,判断了content_length。
这个就是通过脚本计算出来的结果。
案例2:文档更新计数:
是通过脚本修改blog的view.
案例 3:搜索时的 Script 字段
脚本缓存
小结:
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