当前位置:  开发笔记 > 编程语言 > 正文

如何使用elasticsearch.helpers.streaming_bulk

如何解决《如何使用elasticsearch.helpers.streaming_bulk》经验,为你挑选了1个好方法。

有人可以建议如何使用函数elasticsearch.helpers.streaming_bulk而不是elasticsearch.helpers.bulk将数据索引到elasticsearch中.

如果我只是改变streaming_bulk而不是批量,则没有任何内容被索引,所以我想它需要以不同的形式使用.

下面的代码从500个elemens的块中的CSV文件创建索引,类型和索引数据到elasticsearch.它工作正常,但我在徘徊是否有可能提高性能.这就是我想尝试使用streaming_bulk函数的原因.

目前我需要10分钟为100MB的CSV文档索引100万行.我使用两台机器,Centos 6.6,8 CPU-s,x86_64,CPU MHz:2499.902,Mem:15.574G总计.不确定它会更快.

es = elasticsearch.Elasticsearch([{'host': 'uxmachine-test', 'port': 9200}])
index_name = 'new_index'
type_name = 'new_type'
mapping = json.loads(open(config["index_mapping"]).read()) #read mapping from json file

es.indices.create(index_name)
es.indices.put_mapping(index=index_name, doc_type=type_name, body=mapping)

with open(file_to_index, 'rb') as csvfile:
    reader = csv.reader(csvfile)        #read documents for indexing from CSV file, more than million rows
    content = {"_index": index_name, "_type": type_name}
    batch_chunks = []
    iterator = 0

    for row in reader:
        var = transform_row_for_indexing(row,fields, index_name, type_name,id_name,id_increment)
        id_increment = id_increment + 1
        #var = transform_row_for_indexing(row,fields, index_name, type_name)
        batch_chunks.append(var)
        if iterator % 500 == 0:
            helpers.bulk(es,batch_chunks)
            del batch_chunks[:]
            print "ispucalo batch"
        iterator = iterator + 1
    # indexing of last batch_chunk
    if len(batch_chunks) != 0:
        helpers.bulk(es,batch_chunks)

Christopher .. 7

因此,流量批量返回一个交互器.这意味着在您开始迭代之前不会发生任何事情.'bulk'函数的代码如下所示:

success, failed = 0, 0

# list of errors to be collected is not stats_only
errors = []

for ok, item in streaming_bulk(client, actions, **kwargs):
    # go through request-reponse pairs and detect failures
    if not ok:
        if not stats_only:
            errors.append(item)
        failed += 1
    else:
        success += 1

return success, failed if stats_only else errors

所以基本上只调用streaming_bulk(客户端,动作,**kwargs)实际上不会做任何事情.直到你迭代它,就像在for循环中完成索引实际开始发生一样.

所以在你的代码中.欢迎您将'批量'更改为'streaming_bulk',但是您需要迭代流量批量的结果,以便实际上有任何索引.



1> Christopher ..:

因此,流量批量返回一个交互器.这意味着在您开始迭代之前不会发生任何事情.'bulk'函数的代码如下所示:

success, failed = 0, 0

# list of errors to be collected is not stats_only
errors = []

for ok, item in streaming_bulk(client, actions, **kwargs):
    # go through request-reponse pairs and detect failures
    if not ok:
        if not stats_only:
            errors.append(item)
        failed += 1
    else:
        success += 1

return success, failed if stats_only else errors

所以基本上只调用streaming_bulk(客户端,动作,**kwargs)实际上不会做任何事情.直到你迭代它,就像在for循环中完成索引实际开始发生一样.

所以在你的代码中.欢迎您将'批量'更改为'streaming_bulk',但是您需要迭代流量批量的结果,以便实际上有任何索引.

推荐阅读
低调pasta_730
这个屌丝很懒,什么也没留下!
DevBox开发工具箱 | 专业的在线开发工具网站    京公网安备 11010802040832号  |  京ICP备19059560号-6
Copyright © 1998 - 2020 DevBox.CN. All Rights Reserved devBox.cn 开发工具箱 版权所有