[英]Bulk Update for elasticsearch documents using Python
我有 elasticsearch 文档,如下所示,我需要根据创建时间currentdate更正年龄值
年龄 = 创建时间 - 当前日期
:
hits = [
{
"_id":"CrRvuvcC_uqfwo-WSwLi",
"creationtime":"2018-05-20T20:57:02",
"currentdate":"2021-02-05 00:00:00",
"age":"60 months"
},
{
"_id":"CrRvuvcC_uqfwo-WSwLi",
"creationtime":"2013-07-20T20:57:02",
"currentdate":"2021-02-05 00:00:00",
"age":"60 months"
},
{
"_id":"CrRvuvcC_uqfwo-WSwLi",
"creationtime":"2014-08-20T20:57:02",
"currentdate":"2021-02-05 00:00:00",
"age":"60 months"
},
{
"_id":"CrRvuvcC_uqfwo-WSwLi",
"creationtime":"2015-09-20T20:57:02",
"currentdate":"2021-02-05 00:00:00",
"age":"60 months"
}
]
我想根据每个文档 ID 进行批量更新,但问题是我需要更正 6 个月的数据并且每个数据大小(索引的文档计数)几乎是535329 ,我想有效地根据_id对年龄进行批量更新对于使用 python 的所有文档的每一天。
有没有办法做到这一点,而无需循环,我遇到的所有使用 Pandas 数据帧进行更新的示例都基于已知值。 但是在这里_id我会在代码运行时得到。
我编写的逻辑是获取所有文档并存储它们的_id ,然后为每个_id更新年龄。 但如果我想在 6 个月的每一天批量更新所有文档,这不是一种有效的方法。
谁能给我一些想法或指出正确的方向。
如评论中所述,无需获取 ID。 您甚至不需要自己获取文件!
一个_update_by_query
调用就足够了。 解析日期后,您可以使用ChronoUnit
来获得差异:
POST your-index-name/_update_by_query
{
"query": {
"match_all": {}
},
"script": {
"source": """
def created = LocalDateTime.parse(ctx._source.creationtime, DateTimeFormatter.ofPattern("yyyy-MM-dd'T'HH:mm:ss"));
def currentdate = LocalDateTime.parse(ctx._source.currentdate, DateTimeFormatter.ofPattern("yyyy-MM-dd HH:mm:ss"));
def months = ChronoUnit.MONTHS.between(created, currentdate);
ctx._source._age = months + ' month' + (months > 1 ? 's' : '');
""",
"lang": "painless"
}
}
尝试在文档的一小部分上运行此更新脚本,然后通过添加除我放在那里的match_all
之外的查询来释放整个索引。
值得一提的是,除非你在这个age
字段上进行搜索,否则它不需要存储在你的索引中,因为它可以在查询时计算出来。
你看,如果你的索引映射的日期是这样正确定义的:
{
"mappings": {
"properties": {
"creationtime": {
"type": "date",
"format": "yyyy-MM-dd'T'HH:mm:ss"
},
"currentdate": {
"type": "date",
"format": "yyyy-MM-dd HH:mm:ss"
},
...
}
}
}
age
可以计算为脚本字段:
POST ttimes/_search
{
"query": {
"match_all": {}
},
"script_fields": {
"age_calculated": {
"script": {
"source": """
def months = ChronoUnit.MONTHS.between(
doc['creationtime'].value,
doc['currentdate'].value );
return months + ' month' + (months > 1 ? 's' : '');
"""
}
}
}
}
唯一需要注意的是,该值不会在_source
内,而是在其自己的称为fields
的组内(这意味着一次可能有更多脚本字段。)。
"hits" : [
{
...
"_id" : "FFfPuncBly0XYOUcdIs5",
"fields" : {
"age_calculated" : [ "32 months" ] <--
}
},
...
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.