[英]Elasticsearch python API: Delete documents by query
我看到以下 API 将在 Elasticsearch 中按查询删除 - http://www.elasticsearch.org/guide/en/elasticsearch/reference/current/docs-delete-by-query.html
但我想对弹性搜索批量 API 做同样的事情,即使我可以使用批量上传文档
es.bulk(body=json_batch)
我不确定如何使用用于弹性搜索的 python 批量 API 来通过查询调用删除。
看看elasticsearch如何通过查询API弃用删除。 我使用绑定创建了这个python脚本来做同样的事情。 首先定义ES连接:
import elasticsearch
es = elasticsearch.Elasticsearch(['localhost'])
现在,您可以使用它来为要删除的结果创建查询。
search=es.search(
q='The Query to ES.',
index="*logstash-*",
size=10,
search_type="scan",
scroll='5m',
)
现在,您可以循环滚动该查询。 在我们这样做时生成我们的请求。
while True:
try:
# Git the next page of results.
scroll=es.scroll( scroll_id=search['_scroll_id'], scroll='5m', )
# Since scroll throws an error catch it and break the loop.
except elasticsearch.exceptions.NotFoundError:
break
# We have results initialize the bulk variable.
bulk = ""
for result in scroll['hits']['hits']:
bulk = bulk + '{ "delete" : { "_index" : "' + str(result['_index']) + '", "_type" : "' + str(result['_type']) + '", "_id" : "' + str(result['_id']) + '" } }\n'
# Finally do the deleting.
es.bulk( body=bulk )
要使用批量api,您需要确保两件事:
elasticsearch-py
批量API允许您通过在每条记录中包含'_op_type': 'delete'
来批量'_op_type': 'delete'
记录。 但是,如果要逐个删除,则仍需要进行两个查询:一个用于获取要删除的记录,另一个用于删除它们。
批量执行此操作的最简单方法是使用python模块的scan()
帮助程序,它包装ElasticSearch Scroll API,因此您无需跟踪_scroll_id
。 将它与bulk()
帮助器一起用作已弃用的delete_by_query()
的替代:
from elasticsearch.helpers import bulk, scan
bulk_deletes = []
for result in scan(es,
query=es_query_body, # same as the search() body parameter
index=ES_INDEX,
doc_type=ES_DOC,
_source=False,
track_scores=False,
scroll='5m'):
result['_op_type'] = 'delete'
bulk_deletes.append(result)
bulk(elasticsearch, bulk_deletes)
由于传递了_source=False
,因此不会返回文档正文,因此每个结果都非常小。 但是,如果您有内存限制,则可以非常轻松地批量处理:
BATCH_SIZE = 100000
i = 0
bulk_deletes = []
for result in scan(...):
if i == BATCH_SIZE:
bulk(elasticsearch, bulk_deletes)
bulk_deletes = []
i = 0
result['_op_type'] = 'delete'
bulk_deletes.append(result)
i += 1
bulk(elasticsearch, bulk_deletes)
我目前正在使用基于@drs响应的脚本,但始终使用bulk()帮助程序。 它可以使用chunk_size
参数从迭代器创建批量作业(默认为500,有关详细信息,请参阅straming_bulk() )。
from elasticsearch import Elasticsearch
from elasticsearch.helpers import scan, bulk
BULK_SIZE = 1000
def stream_items(es, query):
for e in scan(es,
query=query,
index=ES_INDEX,
doc_type=ES_DOCTYPE,
scroll='1m',
_source=False):
# There exists a parameter to avoid this del statement (`track_source`) but at my version it doesn't exists.
del e['_score']
e['_op_type'] = 'delete'
yield e
es = Elasticsearch(host='localhost')
bulk(es, stream_items(es, query), chunk_size=BULK_SIZE)
谢谢,这真的很有用!
我有两个建议:
当使用scroll获取结果的下一页时, es.scroll(scroll_id=search['_scroll_id'])
应该是在最后一个滚动中返回的_scroll_id
,而不是搜索返回的那个。 Elasticsearch不会每次都更新滚动ID,特别是对于较小的请求(请参阅此讨论 ),因此此代码可能有效,但并非万无一失。
清除卷轴很重要,因为长时间保持搜索上下文打开会产生成本。 Clear Scroll API - Elasticsearch API文档它们将在超时后最终关闭,但如果您的磁盘空间不足,例如,它可以为您节省很多麻烦。
一种简单的方法是在旅途中建立一个滚动ID列表(确保摆脱重复!),并最终清除所有内容。
es.clear_scroll(scroll_id=scroll_id_list)
虽然在操作上等同于许多其他答案,但我发现这种方式更容易理解:
import elasticsearch
from elasticsearch.helpers import bulk
es = elasticsearch.Elasticsearch(['localhost'])
ids = [1,2,3, ...] # list of ids that will be deleted
index = "fake_name" # index where the documents are indexed
actions = ({
"_id": id,
"_op_type": "delete"
} for id in ids)
bulk(client=es, actions=actions, index=index, refresh=True)
# `refresh=True` makes the result immediately available
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.