页面树结构

2017-11-09 ApacheCN 开源组织,第二期邀请成员活动,一起走的更远 : http://www.apachecn.org/member/209.html


MachineLearning 优酷地址 : http://i.youku.com/apachecn

转至元数据结尾
转至元数据起始

_update_by_query 最简单的用法只是基于索引来执行每个文档的更新,而不更改源。这是非常有用快捷的,在完成一些  map 的变化也得以表现。这里是 API:

POST twitter/_update_by_query?conflicts=proceed

返回值类似于这样:

{
  "took" : 147,
  "timed_out": false,
  "updated": 120,
  "deleted": 0,
  "batches": 1,
  "version_conflicts": 0,
  "noops": 0,
  "retries": {
    "bulk": 0,
    "search": 0
  },
  "throttled_millis": 0,
  "requests_per_second": -1.0,
  "throttled_until_millis": 0,
  "total": 120,
  "failures" : [ ]
}

_update_by_query 获取索引的快照,当它开始和进行索引时发现使用的是 internal 的版本。这意味着如果在获取快照时或者进行索引请求时文档发生改变,那么将会发生版本冲突。当索引请求被处理的时间之间变化。当版本匹配文档被更新时候,版本号递增。

注意:因为 internal 版本不支持的值 0 作为一个有效的版本号,与版本等于 0 时候,文档无法使用 _update_by_query 更新,请求将会失败。

所有的更新和查询失败导致 _update_by_query 中止,并在返回错误的响应。正在执行的更新将会继续下去。换句话说,该方法不支持回滚,仅中止。虽然第一次失败将导致中止,由失败的请求返回所有故障将在 failures 元素体现。因此,有可能存在一些失败的实体。

如果你想简单地统计版本冲突不会导致 _update_by_query 中止你可以在 URL 中设置 conflicts=proceed 或在请求中设置 "conflicts": "proceed" 。第一个例子做到这一点因为它只是试图获取一个当前的 mapping 变化,这里发生的版本冲突仅仅意味着冲突的文档在 _update_by_query 开始的时间和文件尝试更新时间之间被更新了。这样做具有一定的优点,因为更新将获取当前 mapping 更新。

回到API格式,您可以限制 _update_by_query 到一个单一类型。这将只从 twitter 索引中更新 tweet 文件

POST twitter/tweet/_update_by_query?conflicts=proceed

您也可以限制 _update_by_query 使用 。这将更新从 twitter 索引中更新所有的文档

POST twitter/_update_by_query?conflicts=proceed
{
  "query": { (1)
    "term": {
      "user": "kimchy"
    }
  }
}

(1)查询必须作为一个值传递 query 键,就像在 Search API 中同样的方式。还可以使用的 q 参数。、

到目前为止,我们只是一直在更新文档,而无需更改其来源。_update_by_query 支持脚本对象更新文档。这将在所有 kimchy tweet 中增加 likes

POST twitter/_update_by_query
{
  "script": {
    "inline": "ctx._source.likes++",
    "lang": "painless"
  },
  "query": {
    "term": {
      "user": "kimchy"
    }
  }
}

正如在 Update API 中可以设置 ctx.op 来改变所执行的操作:

noop       

        设置 ctx.op = "noop" 。如果你的脚本并没有做任何更改。这将导致 _update_by_query 从其更新处省略该文件。这将在响应的 noop 中被展示。

delete       

        设置ctx.op = "delete",如果你的脚本如此设定,该文件必须被删除。这将在响应的 deleted 中被展示。

设置 ctx.op 到别的地方是错误的。设置任何其它领域中 ctx 也是错误的。

注意,当我们指定 conflicts=proceed 时,我们希望版本冲突中的一个中止进程,以至于我们可以处理失败。

此 API 不允许移动文件本身,只需修改其源。这是有意而为之,我们并没有获得从其原始位置删除该文件的权限。

通过多索引也可以完成所有的事情,就像搜索API:

 

POST twitter,blog/tweet,post/_update_by_query

如果提供 routing ,则将被复制到滚动查询,限制到分片的进程来匹配 routing 值

POST twitter/_update_by_query?routing=1

在默认情况下 _update_by_query 使用 1000 批次的回滚。可以更改与批量大小的 scroll_size URL参数:

 

POST twitter/_update_by_query?scroll_size=100

_update_by_query 也可以使用 Ingest Node 的特点,通过指定一个 pipeline

 

PUT _ingest/pipeline/set-foo
{
  "description" : "sets foo",
  "processors" : [ {
      "set" : {
        "field": "foo",
        "value": "bar"
      }
  } ]
}
POST twitter/_update_by_query?pipeline=set-foo

URL 参数

除了标准的参数,如 pretty,通过查询 API 还支持 refreshwait_for_completionwait_for_active_shards 和 timeout

当请求完成时,发送 refresh 将更新索引中的所有分片。这与索引 API 的 refresh 参数不同,这会使得仅仅分片获取到最新的数据来作为索引。

如果请求包含 wait_for_completion=false 那么 Elasticsearch 将执行一些预检,启动请求,然后返回一个 task 可与用于任务的 API 取消或获取任务的状态。Elasticsearch 还将创建此任务的记录,在文档 .tasks/task/${taskId}中。可以保留或删除认为合适的。当你进行删除时候,Elasticsearch 可以收回其使用的空间。

wait_for_active_shards 控制着在请求时一个分片有多少个副本需要时活跃的timeout 控制每个写请求的等待时间从不可用到可用。这两个同时运行就像在 Bulk API 中一样。

requests_per_second 可以被设置为任何正十进制数(1.46, 1000等)并且禁用每秒字节流,或者它可以被设置为-1 来禁用字节流。禁用之后的等待时间,可以控制回滚延迟。等待时间不用于批处理完成时间和 requests_per_second * requests_in_the_batch 的时间。由于该批次并没有分成多个批量传输的块,大的数据块将会导致 Elasticsearch 创建更多的请求导致较长时间的等待。这是突发的,不是平稳的。默认值为 -1。

响应

Json 响应如下:

{
  "took" : 639,
  "updated": 0,
  "batches": 1,
  "version_conflicts": 2,
  "retries": {
    "bulk": 0,
    "search": 0
  }
  "throttled_millis": 0,
  "failures" : [ ]
}

took

        从开始的毫秒数来结束整个操作过程。

updated

        已成功更新的文件数量。

batches

        通过查询请求返回响应的数目。

version_conflicts

        版本冲突的次数。

retries

        更新请求重试次数。bulk 是 buck action 重试的次数,search 是 search action 重试的次数。

throttled_millis

        符合 requests_per_second 的毫秒数。

failures

        所有索引失败的集合。如果是非空的那么因为这些失败请求失效。请参阅 conflicts 如何防止从版本冲突中停止运行。

Works With the Task API

你可以通过 Task API 获取所有正在运行的更新请求状态:

GET _tasks?detailed=true&actions=*byquery

响应如下:

{
  "nodes" : {
    "r1A2WoRbTwKZ516z6NEs5A" : {
      "name" : "r1A2WoR",
      "transport_address" : "127.0.0.1:9300",
      "host" : "127.0.0.1",
      "ip" : "127.0.0.1:9300",
      "attributes" : {
        "testattr" : "test",
        "portsfile" : "true"
      },
      "tasks" : {
        "r1A2WoRbTwKZ516z6NEs5A:36619" : {
          "node" : "r1A2WoRbTwKZ516z6NEs5A",
          "id" : 36619,
          "type" : "transport",
          "action" : "indices:data/write/update/byquery",
          "status" : {(1)
            "total" : 6154,
            "updated" : 3500,
            "created" : 0,
            "deleted" : 0,
            "batches" : 4,
            "version_conflicts" : 0,
            "noops" : 0,
            "retries": {
              "bulk": 0,
              "search": 0
            }
            "throttled_millis": 0
          },
          "description" : ""
        }
      }
    }
  }
}

(1)这个对象的实际状态。它就像响应中 json 用做  total 的重要补充。total 是操作任务的总数重新索引预计执行。您可以添加 updatedcreated 以及 deleted 等多个域。当它们之和等于 total 字段值时该请求将完成。

通过 task id 可以直接获得 task:

GET /_tasks/taskId:1

此 API 的优点是,它具有集成 wait_for_completion=false 到返回完成任务的状态。如果任务完成,并 wait_for_completion=false 设置,将会返回 results 或 error 。此功能的成本,该文件 wait_for_completion=false创建的.tasks/task/${taskId}。它是由你来删除该文档。

Works With the Cancel Task API

通过 Task Cancle API 可以取消任何通过请求的更新:

POST _tasks / TASK_ID:1 / _cancel

利用上述 task API 可以获取到 task id。

取消任务很快就会执行,通常需要几秒钟。上述的任务状态 API 将任务以列表形式展示直到它被取消。

Rethrottling

requests_per_second 的值可以在运行更新中可以通过使用 _rethrottle 的 API 来改变:

POST _update_by_query/task_id:1/_rethrottle?requests_per_second=-1

利用上述 task API 可以获取到 task id。

在设置上,它就像 _update_by_query API 一样,requests_per_second 可以设置成 -1 来禁用字节流和非整数。Rethrottling 是加快查询需要,但是会减慢查询在完成当前批后立即生效的效果,这可以防止回滚超时。

 

Manually slicing

通过请求的更新支持分片回滚,允许更加简单的手动多线程操作:

 

POST twitter/_update_by_query
{
  "slice": {
    "id": 0,
    "max": 2
  },
  "script": {
    "inline": "ctx._source['extra'] = 'test'"
  }
}
POST twitter/_update_by_query
{
  "slice": {
    "id": 1,
    "max": 2
  },
  "script": {
    "inline": "ctx._source['extra'] = 'test'"
  }
}

你可以通过如下来验证任务:

GET _refresh
POST twitter/_search?size=0&q=extra:test&filter_path=hits.total

结果 total 如下:

{
  "hits": {
    "total": 120
  }
}


一个新的属性

假设你没有创建动态映射索引,那么用数据填充它,然后添加一个映射值获取数据字段:

 

{PUT test
{
  "mappings": {
    "test": {
      "dynamic": false,(1)
      "properties": {
        "text": {"type": "text"}
      }
    }
  }
}

POST test/test?refresh
{
  "text": "words words",
  "flag": "bar"
}
POST test/test?refresh
{
  "text": "words words",
  "flag": "foo"
}
PUT test/_mapping/test(2)   
{
  "properties": {
    "text": {"type": "text"},
    "flag": {"type": "text", "analyzer": "keyword"}
  }
}

(1)这意味着,新的字段将不会被索引,只是存储 _source

(2)这将更新映射并添加新的 flag 。添加了新的字段,你必须针对其重新索引。

搜索数据将不会得到任何结果:

POST test/_search?filter_path=hits.total
{
  "query": {
    "match": {
      "flag": "foo"
    }
  }
}
{
  "hits" : {
    "total" : 0
  }
}
但是你可以发出一个 _update_by_query 请求,获取新的映射:
POST test/_update_by_query?refresh&conflicts=proceed
POST test/_search?filter_path=hits.total
{
  "query": {
    "match": {
      "flag": "foo"
    }
  }
}
{
  "hits" : {
    "total" : 1
  }
}
添加一个字段或者添加到多字段时,可以做同样的事情。

 

  • 无标签