ElasticSearch 批量查询

一、背景:

最近部门业务调整,开始写一些后端接口,初次接触项目时,了解项目后端语音使用的Python,数据库使用的是es。

二、需求:

因为是刚接触这个项目,领导分了一个比较简单的需求让熟悉下项目,大致内容就是写一个批量查询的API,根据前端传过来的Id和Name列表,批量从ES数据库中查询对应的数据。

三、ES数据库

之前ES接触的很少,所以对于ES的语法还不熟悉,不过所幸国内有万能的百度,大致写的是使用ES的mget 函数来查询,当Type和index一致的情况时,语法大致内容如下,使用参数 ids:[11,12] 即可进行查询,如下图所示:

但是mget这种查询只支持id,根据name无法查询,后来了解到es还有个函数terms,terms 也是一个查询函数,支持单个数据查询和批量查询,单数据查询时,只需要传一个字符串就好,批量查询时,v传 list列表即可。

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
当ES中的数据量过大时,查询全部数据可能会面临一些挑战和限制。 首先,大规模数据的查询可能导致响应时间延长。由于ES是一个分布式搜索和分析引擎,查询大量数据可能需要耗费更多的时间来处理和返回结果。因此,当数据量过大时,我们需要对查询的执行时间有所准备,并根据需求决定是否需要优化查询的性能。 其次,对于大规模数据的查询,我们需要考虑网络传输和存储的压力。大量数据的传输可能会占用更多的带宽和网络资源,特别是在分布式集群的情况下。同时,ES需要足够的存储空间来保存大规模数据的索引和文档。 为了应对数据量过大的情况,我们可以采取一些策略来优化查询的性能。首先,可以使用分页的方式进行查询,每次只查询部分数据,以减少查询时间和资源消耗。其次,我们可以根据查询的需求,使用过滤器筛选出符合条件的数据,从而减少需要处理的数据量。此外,可以考虑合理的索引设计和使用适当的查询DSL语句来提高查询效率。 最后,如果数据量过大,ES提供了与其他工具集成的功能,如Hadoop和Spark等,可以通过它们来处理大规模数据的查询和分析。这些工具在分布式计算和数据处理方面具有较强的能力,能够更好地处理大量数据的查询需求。 综上所述,当ES中的数据量过大时,查询全部数据可能会面临一些挑战和限制。通过优化查询策略、设计合理的索引、使用适当的查询DSL语句,以及利用其他工具进行分布式数据处理,我们可以应对大规模数据查询的需求。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值