[英]elasticsearch attachment plugin performance improvement
我是 elasticsearch 的新手,试图使用 elasticsearch 附件插件通过摄取管道解析 pdf 文件,但解析 pdf 似乎需要很多时间,具体取决于 pdf 大小 1MB=2sec,请 5MB=152sec,5MB 和 10MB ,建议如何改善这个执行时间?
PUT _ingest/pipeline/attachment
{
"description" : "Extract attachment information",
"processors" : [
{
"attachment" : {
"field" : "data"
}
}
]
}
PUT my-index-000001/_doc/my_id?pipeline=attachment
{
"data": "e1xydGYxXGFuc2kNCkxvcmVtIGlwc3VtIGRvbG9yIHNpdCBhbWV0DQpccGFyIH0="
}
谢谢
这是一项昂贵的操作并且会消耗资源,我会探索使用 FSCrawler ( https://fscrawler.readthedocs.io/en/fscrawler-2.9/ ) 或其他 Tika 库从 ES 卸载整个操作; 您可能能够在数据准备好索引之前并行完成很多事情或处理数据。
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.