Elasticsearch 2.0以上版本根据条件批量删除Java如何实现

本文转载自：http://blog.csdn.net/u014039577/article/details/51802078，仅为了个人收藏，请支持原创作者。
Elasticsearch在2.0以前版本，删除操作有两种方式，一种是通过id来进行删除，但是这种方式一般不常用，因为id不容易得到；另一种方式是通过先查询操作，然后删除，也就是通过client.prepareDeleteByQuery这种方式来根据条件批量删除数据：
[java] view plain copy
DeleteByQueryResponse response = client.prepareDeleteByQuery(“library”)
.setQuery(QueryBuilders.termQuery(“title”, “ElasticSearch”))
.execute().actionGet();

但是Delete by Query在2.0版本及其以上的版本已经被移除了，因为这种方式会自动强制刷新，所以在大量索引并发的情况下，会很快造成内存溢出。
详情可查看：https://www.elastic.co/guide/en/elasticsearch/client/java-api/1.7/delete-by-query.html
那么在2.0以后的版本，我们如何来进行批量的删除呢？
我们可以先通过Search API查询，然后得到需要删除的批量数据的id，然后再通过id来删除，但是这种方式在大批量数据的删除的时候，依然是行不通的。
具体实现代码：
[java] view plain copy
public void deleteByTerm(Client client){
BulkRequestBuilder bulkRequest = client.prepareBulk();
SearchResponse response = client.prepareSearch(“megacorp”).setTypes(“employee”)
.setSearchType(SearchType.DFS_QUERY_THEN_FETCH)
.setQuery(QueryBuilders.termQuery(“first_name”, “xiaoming”))
.setFrom(0).setSize(20).setExplain(true).execute().actionGet();
for(SearchHit hit : response.getHits()){
String id = hit.getId();
bulkRequest.add(client.prepareDelete(“megacorp”, “employee”, id).request());
}
BulkResponse bulkResponse = bulkRequest.get();
if (bulkResponse.hasFailures()) {
for(BulkItemResponse item : bulkResponse.getItems()){
System.out.println(item.getFailureMessage());
}
}else {
System.out.println(“delete ok”);
}

}

同样通过delete-by-query插件，我们还可以根据type来批量删除数据，这种方式能够删除大批量的数据，他是现将要删除的数据一个一个做标记，然后再删除，于是效率会比较低。下面是官网的说明：https://www.elastic.co/guide/en/elasticsearch/plugins/2.3/plugins-delete-by-query.html
Queries which match large numbers of documents may run for a long time, as every document has to be deleted individually. Don’t use delete-by-query to clean out all or most documents in an index. Rather create a new index and perhaps reindex the documents you want to keep.
可见这种删除方式并不适合大批量数据的删除，因为效率真的是很低，我是亲身体验过了。

这种方式需要先引入delete-by-query插件包，然后使用插件的api来删除：
[java] view plain copy

org.elasticsearch.plugin
delete-by-query
2.3.2

具体实现代码：
[java] view plain copy
import java.net.InetAddress;
import java.net.UnknownHostException;
import java.util.ResourceBundle;
import java.util.Stack;

import org.elasticsearch.action.deletebyquery.DeleteByQueryAction;
import org.elasticsearch.action.deletebyquery.DeleteByQueryRequestBuilder;
import org.elasticsearch.action.deletebyquery.DeleteByQueryResponse;
import org.elasticsearch.action.search.SearchRequestBuilder;
import org.elasticsearch.action.search.SearchResponse;
import org.elasticsearch.action.search.SearchType;
import org.elasticsearch.client.Client;
import org.elasticsearch.client.transport.TransportClient;
import org.elasticsearch.common.settings.Settings;
import org.elasticsearch.common.transport.InetSocketTransportAddress;
import org.elasticsearch.plugin.deletebyquery.DeleteByQueryPlugin;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;

import com.xgd.log.common.ExceptionUtil;

public class EsDeleteByType {

private static final Logger logger = LoggerFactory.getLogger(EsDeleteByType.class);  
private Client client;  

private static ResourceBundle getEsConfig(){  
    return ResourceBundle.getBundle("elasticsearch");  
}  

private void getClient(){  
    String clusterName = getEsConfig().getString("clusterName");  
    String hosts = getEsConfig().getString("hosts");  
    if (hosts == null || clusterName == null) {  
        throw new IllegalArgumentException("hosts or clusterName was null.");  
    }  
    Settings settings = Settings.settingsBuilder().put("cluster.name", clusterName).build();  
    client = TransportClient.builder()  
            .addPlugin(DeleteByQueryPlugin.class)  
            .settings(settings).build();  
    String[] hostsArray = hosts.split(",");  
    for(String hostAndPort : hostsArray){  
        String[] tmpArray = hostAndPort.split(":");  
        try {  
            client = ((TransportClient)client).addTransportAddress(new InetSocketTransportAddress(InetAddress.getByName(tmpArray[0]), Integer.valueOf(tmpArray[1])));  
        } catch (NumberFormatException e) {  
            logger.error(ExceptionUtil.getTrace(e));  
        } catch (UnknownHostException e) {  
            logger.error(ExceptionUtil.getTrace(e));  
        }  
    }  
}  

/** 
 * 判断一个index中的type是否有数据 
 * @param index 
 * @param type 
 * @return 
 * @throws Exception 
 */  
public Boolean existDocOfType(String index, String type) throws Exception {  
    SearchRequestBuilder builder = client.prepareSearch(index).setTypes(type)  
            .setSearchType(SearchType.QUERY_THEN_FETCH)  
            .setSize(1);  
    SearchResponse response = builder.execute().actionGet();  
    long docNum = response.getHits().getTotalHits();  
    if (docNum == 0) {  
        return false;  
    }  
    return true;  
}  

/** 
 * 根据type来删除数据 
 * @param index 
 * @param types 
 * @return 
 */  
public long deleteDocByType(String index, String[] types) {  
    getClient();  
    long oldTime = System.currentTimeMillis();  
    StringBuilder b = new StringBuilder();  
    b.append("{\"query\":{\"match_all\":{}}}");  
    DeleteByQueryResponse response = new DeleteByQueryRequestBuilder(client, DeleteByQueryAction.INSTANCE)  
    .setIndices(index).setTypes(types)  
    .setSource(b.toString())  
    .execute().actionGet();  
    Stack<String> allTypes = new Stack<String>();  
    for(String type : types){  
        allTypes.add(type);  
    }  
    while(!allTypes.isEmpty()){  
        String type = allTypes.pop();  
        while(true){  
            try {  
                if (existDocOfType(index, type) == false) {  
                    break;  
                }  
            } catch (Exception e) {  
                logger.error("queryError: " + e.getMessage());  
            }  
        }  
    }  
    System.out.println(System.currentTimeMillis() - oldTime);  
    return response.getTotalDeleted();  
}  

}

那么当我们在开发中，使用到elasticsearch的时候，总会涉及到大批量数据的删除，我们要怎么办呢？
经过很长时间的纠结，我发现使用elasticsearch存储数据的时候，千万不要把所有数据都存储于一个index，这样一个是不利于查询的效率，一个是不利于后面的删除，既然我们不能index中去删除部分的大批量数据，那么我们为啥不改变一种思路呢，就是分索引，然后通过索引来删除数据，例如：我在生产上面，每天有5亿的数据，那么我每天在集群中生成一个index用于存储这5亿的数据，如果我们的elasticsearch集群对数据只要求保存7天的数据，超过7天的数据就可以删除了，这样我们可以通过index直接删除7天以前的数据，这种方式，我们在查询的时候不会在所有数据中查询，只需要在所要查询的时间段内查询，便提高了查询的效率，同时删除效率的问题也解决了，能够很快删除不需要的数据，释放掉磁盘空间。
针对于elasticsearch大批量数据删除效率的问题，目前官网上面也没有一个特别好的解决办法，这种方式算是目前还算能行得通的方式了。