26、ES实战：Elasticsearch如何部分更新文档(partialupdate的使用)

[ ES 26 - Elasticsearch如何部分更新文档 (partial update的使用) ][ES 26 - Elasticsearch_ _partial update_]

修改ES中的索引文档, 常见的方法是全量替换, 这种方式不能做到修改指定字段. 本篇博文通过对 partial update 语法的学习, 实现局部修改文档的功能, 并演示了通过外置脚本批量局部修改文档, 最后对partial update的并发控制方式做了简单的扩展.

目录

• 1 什么是partial update

• 1.1 全量修改文档的原理

• 1.2 修改指定field的思路

• 1.3 partial update的优势

• 1.4 partial update的使用

• 2 通过脚本进行partial update操作

• 2.1 内置painless脚本修改文档

• 2.2 外置Groovy脚本修改文档

• 2.3 内置painless脚本upsert文档

• 2.4 外置Groovy脚本delete文档

• 3 partial update的并发控制策略

• 3.1 控制方式

• 3.2 retry原理

• 版权声明

1 什么是partial update

1.1 全量修改文档的原理

全量修改文档的语法: PUT index/type/1, 如果id=1的文档不存在, 则创建, 如果存在, 将发生替换原有文档的操作.

全量替换文档的性能比较低, 为了避免替换操作的发生, 引入partial update: 只修改指定的field, 不用全量修改数据.

1.2 修改指定field的思路

(1)根据用户请求, 获得要修改的文档;

(2)在内存中封装用户提交的新文档, 发送PUT请求到ES内部;

(3)将要替换的旧文档标记为deleted;

(4)最后将封装好的新文档存入索引中.

1.3 partial update的优势

(1)所有的查询、修改和写回操作, 都在同一个shard中进行, 避免了网络传输的开销.

不需要: 从特定shard查询文档 -> 返回到内存 -> 内存中修改 -> 将修改的文档发送到原来的shard -> 写索引 —— 这个复杂的操作, 显著提升了性能.

(2)减少了查询和修改的时间间隔, 可以有效减少并发冲突.

1.4 partial update的使用

使用方法: 通过_update关键字实现增量更新:

// 添加测试数据: 
PUT employee/developer/1
{
    "name": "shou feng", 
    "sex": "male",
    "age": 20
}

// partial update修改指定field: 
POST employee/developer/1/_update
{
    "doc": {
        "age": 21
    }
}

// 响应结果: 
{
    "_index": "employee",
    "_type": "developer",
    "_id": "1",
    "_version": 2,
    "result": "updated",
    "_shards": {
        "total": 2,
        "successful": 1,
        "failed": 0
    }
}

// 查看文档, 发现age已经从20变为21了. 
GET employee/developer/1

如果不使用_update, 则会直接覆盖掉源文档, 导致原文档丢失部分数据:

// 不使用_update:  
POST employee/developer/1
{
    "doc": {
        "age": 22
    }
}

// 再次查看, 发现id=1的该文档就只剩一个age字段了: 
GET employee/developer/1

2 通过脚本进行partial update操作

ES提供了脚本支持 —— 可以通过Groovy外置脚本(已过时)、内置painless脚本实现各种复杂操作.

2.1 内置painless脚本修改文档

• 插入文档:

PUT employee/developer/1
{
    "name": "shou feng", 
    "age": 20,
    "salary": 10000
}

• 执行脚本: —— 这里使用的是更轻快简短的painless脚本, 就是直接由字符串表示的脚本:

POST employee/developer/1/_update    // 发送POST请求, 执行partial update
{
    "script": "ctx._source.salary+=500"    // 为salary自增500
}

• 查看修改结果:

GET employee/developer/1

// 结果如下: 
{
    "_index": "employee",
    "_type": "developer",
    "_id": "1",
    "_version": 5,
    "found": true,
    "_source": {
        "name": "shou feng",
        "age": 20,
        "salary": 10500			// 自增500成功
    }
}

2.2 外置Groovy脚本修改文档

说明: 在ES 6.x版本之后, groovy脚本不再支持, 这里演示所用的是ES 5.6.10版本, 如果在6.x版本中使用, 将会抛出如下异常:

```java 
"type": "illegal_argument_exception",
"reason": "script_lang not supported [groovy]"

 *  将脚本文件存放在`$`{ES_HOME}/config/scripts下, 文件名为xxx.groovy, 内容为:

`ctx._source.salary+=bonus` —— 增加值为将近bonus的值, 脚本信息示例如下:

>     ```java 
>     [root@localhost scripts]# pwd
>     /data/elk-5.6.10/es-node/config/scripts
>     [root@localhost scripts]# cat change_salary.groovy 
>     ctx._source.salary+=bonus
>     [root@localhost scripts]# 
>     

• 修改文档:

POST employee/developer/1/_update
{
    "script": {
        "lang": "groovy", 
        "file": "change_salary",
        "params": {
            "bonus": 500
        }
    }
}

// 响应结果为: 
#! Deprecation: [groovy] scripts are deprecated, use [painless] scripts instead
{
    "_index": "employee",
    "_type": "developer",
    "_id": "1",
    "_version": 6,
    "result": "updated",
    "_shards": {
        "total": 2,
        "successful": 1,
        "failed": 0
    }
}

• 查看修改结果:

GET employee/developer/1
// 结果如下: 
{
    "_index": "employee",
    "_type": "developer",
    "_id": "1",
    "_version": 6,
    "found": true,
    "_source": {
        "name": "shou feng",
        "age": 20,
        "salary": 9000
    }
}

说明:
在执行外置Groovy脚本时, ES提示Groovy脚本已经过时, 建议我们使用painless —— 更轻快的表达方式, 即类似于ctx._source.salary+=bonus的简短表达方式.
Elasticsearch 5.6开始, 默认脚本使用的方式就已经是painless了. 关于脚本的详细使用, 请查看博文: ES 27 - Elasticsearch的painless脚本使用实践.

2.3 内置painless脚本upsert文档

• (先删除id=1的文档: DELETE employee/developer/1) 假设我们并不知道id=1的文档已经被删除了, 现在为其添加"level": 1的内容:

POST employee/developer/1/_update
{
    "doc": {
        "level": 1
    }
}

• 抛出 [404 - 文档丢失] 的错误:

{
    "error": {
        "root_cause": [
            {
                "type": "document_missing_exception",
                "reason": "[developer][1]: document missing",
                "index_uuid": "rT6tChP2QISaVd2OzdCEMA",
                "shard": "3",
                "index": "employee"
            }
        ],
        "type": "document_missing_exception",
        "reason": "[developer][1]: document missing",
        "index_uuid": "rT6tChP2QISaVd2OzdCEMA",
        "shard": "3",
        "index": "employee"
    },
    "status": 404
}

• 修改upsert策略: 如果指定的文档不存在, 就执行upsert中的初始化操作; 如果存在, 就执行doc或script中的partial update操作:

POST employee/developer/1/_update
{
    "script": "ctx.source.level+=1",
    "upsert": {
        "name": "heal",
        "age": 20
    }
}

此时发现"result" : "created" —— 新建了文档.

2.4 外置Groovy脚本delete文档

说明: 这里演示所用的是ES 5.6.10版本.
脚本路径: ${ES_HOME}/config/scripts/delete_doc.groovy
脚本内容: ctx.op = ctx._source.age == age ? 'delete': 'none' ctx.op = ctx._source.age == param ? 'delete' : 'none'

• 使用示例:

POST employee/developer/1/_update
{
    "script": {
        "lang": "groovy", 
        "file": "delete_doc",
        "params": {
            "age": 20	// 如果年龄是20, 则删除之
        }
    }
}

• 响应结果:

#! Deprecation: [groovy] scripts are deprecated, use [painless] scripts instead
{
    "_index": "employee",
    "_type": "developer",
    "_id": "1",
    "_version": 13,
    "result": "deleted",
    "_shards": {
        "total": 2,
        "successful": 1,
        "failed": 0
    }
}

• 查看文档是否被删除:

GET employee/developer/1
// 响应结果 - 成功删除: 
{
    "_index": "employee",
    "_type": "developer",
    "_id": "1",
    "found": false
}

3 partial update的并发控制策略

partial update内部也是通过乐观锁进行并发控制的.
关于并发控制, 请参见博文: Elasticsearch的并发控制策略.

3.1 控制方式

POST index/type/id/_update?retry_on_conflict=5
POST index/type/id/_update?retry_on_conflict=5&version=5

3.2 retry原理

retry_on_conflict: 发生冲突后的重试次数.

(1)客户端A、B几乎同时获取同一个文档, 一并获得_version版本信息, 假设此时_version=1;

(2)客户端A修改文档中的部分内容, 将修改写入索引;

(3)Elasticsearch在写入索引时, 检查客户端A提交的文档的版本信息(这里仍然是1) 和 现存的文档的版本信息(这里也是1), 发现相同后, 执行写入操作, 并修改版本号_version=2;

(4)客户端B也修改文档中的部分内容, 其操作写回索引的速度稍慢. 此时同样执行过程(3): ES发现客户端B提交的文档的版本为1, 而现存文档的版本为2 ===> 发生冲突, 此次partial update将失败;

(5)partial update操作失败后, 将重复(1) - (3) 过程, 重复的次数, 就是retry_on_conflict参数的值.

版权声明

作者: 马瘦风(https://healchow.com)

出处: 博客园 马瘦风的博客(https://www.cnblogs.com/shoufeng)

感谢阅读, 如果文章有帮助或启发到你, 点个[好文要顶*] 或 [推荐*] 吧*

本文版权归博主所有, 欢迎转载, 但 [必须在文章页面明显位置标明原文链接], 否则博主保留追究相关人员法律责任的权利.

posted @ 2019-02-14 19:06 瘦风 阅读( 11267) 评论( 0) 编辑 收藏 举报

会员力量，点亮园子希望

刷新页面 返回顶部

[ ]nbsp_nbsp

版权声明：本文不是「本站」原创文章，版权归原作者所有 | [原文地址:][ES 26 - Elasticsearch_ _partial update_]