0
点赞
收藏
分享

微信扫一扫

Elasticsearch-26.Ingest Pipeline 与 Painless Script

b91bff6ffdb5 2022-04-14 阅读 79
elasticsearch搜索引擎经验分享数据分析

Elasticsearch

Ingest Pipeline 与 Painless Script

需求：修复与增强写⼊的数据

在这里插入图片描述

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 Bulk API 的请求
    • 对数据进⾏转换，并重新返回给 Index 或 Bulk 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

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 Processor
      在这里插入图片描述

使⽤ Pipeline 切分字符串

在这里插入图片描述

为⽂档增加字段

在这里插入图片描述

Pipeline API

在这里插入图片描述

添加 Pipeline 并测试

在这里插入图片描述

Index & Update By Query

在这里插入图片描述

⼀些内置 Processors

  • https://www.elastic.co/guide/en/elasticsearch/reference/7.1/ingest-processors.html
    • Split Processor （例：将给定字段值分成⼀个数组）
    • Remove / Rename Processor （例：移除⼀个重命名字段）
    • Append （例：为商品增加⼀个新的标签）
    • Convert（例：将商品价格，从字符串转换成 float 类型）
    • Date / JSON（例：⽇期格式转换，字符串转 JSON 对象）
    • Date Index Name Processor （例：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（⽇志的⽇期格式切割）
    • 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）

Ingest Node v.s Logstash

LogstashIngest Node
数据输⼊与输出⽀持从不同的数据源读取，并写⼊不同的数据源⽀持从 ES REST API 获取数据，并且写⼊ Elasticsearch
数据缓冲实现了简单的数据队列，⽀持重写不⽀持缓冲
数据处理⽀持⼤量的插件，也⽀持定制开发内置的插件，可以开发 Plugin 进⾏扩展（Plugin 更新需要重启）
配置和使⽤增加了⼀定的架构复杂度⽆需额外部署

https://www.elastic.co/cn/blog/should-i-use-logstash-or-elasticsearch-ingest-nodes

Painless 简介

  • ⾃ Elasticsearch 5.x 后引⼊，专⻔为 Elasticsearch 设计，扩展了 Java 的语法。
  • 6.0 开始，ES 只⽀持 Painless。Groovy， JavaScript 和 Python 都不再⽀持
  • Painless ⽀持所有 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

Painless 的⽤途

  • 可以对⽂档字段进⾏加⼯处理
    • 更新或删除字段，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

通过 Painless 脚本访问字段

上下⽂语法
Ingestionctx.field_name
Updatectx._source.field_name
Search & Aggregationdoc[“field_name”]

案例 1：Script Processor

在这里插入图片描述

案例 2：⽂档更新计数

在这里插入图片描述

案例 3：搜索时的 Script 字段

在这里插入图片描述

Script: Inline v.s Stored

在这里插入图片描述

脚本缓存

在这里插入图片描述

本节知识点

  • 概念讲解：Ingest Node，Pipeline 与 Processor
  • 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

demoAPI

#########Demo for Pipeline###############

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"
}


# 测试split tags
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"
      }
    }
  ]
}


#同时为文档，增加一个字段。blog查看量
POST _ingest/pipeline/_simulate
{
  "pipeline": {
    "description": "to split blog tags",
    "processors": [
      {
        "split": {
          "field": "tags",
          "separator": ","
        }
      },

      {
        "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"
      }
    }

    ]
}



# 为ES添加一个 Pipeline
PUT _ingest/pipeline/blog_pipeline
{
  "description": "a blog pipeline",
  "processors": [
      {
        "split": {
          "field": "tags",
          "separator": ","
        }
      },

      {
        "set":{
          "field": "views",
          "value": 0
        }
      }
    ]
}

#查看Pipleline
GET _ingest/pipeline/blog_pipeline


#测试pipeline
POST _ingest/pipeline/blog_pipeline/_simulate
{
  "docs": [
    {
      "_source": {
        "title": "Introducing cloud computering",
        "tags": "openstack,k8s",
        "content": "You konw, for cloud"
      }
    }
  ]
}

#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
{
}

#增加update_by_query的条件
POST tech_blogs/_update_by_query?pipeline=blog_pipeline
{
    "query": {
        "bool": {
            "must_not": {
                "exists": {
                    "field": "views"
                }
            }
        }
    }
}


#########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"
      }
    }

    ]
}


DELETE tech_blogs
PUT tech_blogs/_doc/1
{
  "title":"Introducing big data......",
  "tags":"hadoop,elasticsearch,spark",
  "content":"You konw, for big data",
  "views":0
}

POST tech_blogs/_update/1
{
  "script": {
    "source": "ctx._source.views += params.new_views",
    "params": {
      "new_views":100
    }
  }
}

# 查看views计数
POST tech_blogs/_search
{

}

#保存脚本在 Cluster State
POST _scripts/update_views
{
  "script":{
    "lang": "painless",
    "source": "ctx._source.views += params.new_views"
  }
}

POST tech_blogs/_update/1
{
  "script": {
    "id": "update_views",
    "params": {
      "new_views":1000
    }
  }
}


GET tech_blogs/_search
{
  "script_fields": {
    "rnd_views": {
      "script": {
        "lang": "painless",
        "source": """
          java.util.Random rnd = new Random();
          doc['views'].value+rnd.nextInt(1000);
        """
      }
    }
  },
  "query": {
    "match_all": {}
  }
}
举报

相关推荐

Elasticsearch Ingest Pipeline

elasticsearches数据字段大数据

Elasticsearch Painless Script详解

elasticsearches字段缓存大数据

elasticsearch-ingest-pipeline总结

elasticsearch

elasticsearch painless脚本评分

脚本语言java

Elasticsearch：Simulate ingest API

elasticsearch大数据搜索引擎全文检索

Elasticsearch 中 Painless 脚本详解

电脑windows

jenkins中使用Pipeline script 和Pipeline script from SCM的区别

gitDockerfiledockerLinux系统/运维

Elasticsearch Pipeline 详解

elasticsearch大数据字段Elastic预处理Html/CSS前端开发

Elasticsearch-Pipeline Aggregation

elasticsearch

Elasticsearch Pipeline 聚合分析

elasticsearchjavajavascript统计分析大数据
0 条评论