在Elasticsearch中導入和更新數據

Question

我們有一個現有的搜索功能，它涉及SQL Server中多個表的數據。 這會導致我們的數據庫負載過重，所以我試圖找到一種更好的方法來搜索這些數據（它不會經常更改）。 我使用包含120萬條記錄的導入，一直在使用Logstash和Elasticsearch大約一周。 我的問題基本上是“如何使用我的'主鍵'更新現有文檔”？

CSV數據文件（管道分隔）如下所示：

369|90045|123 ABC ST|LOS ANGELES|CA
368|90045|PVKA0010|LA|CA
367|90012|20000 Venice Boulvd|Los Angeles|CA
365|90045|ABC ST 123|LOS ANGELES|CA
363|90045|ADHOCTESTPROPERTY|DALES|CA

我的logstash配置如下所示：

input {
  stdin {
    type => "stdin-type"
  }

  file {
    path => ["C:/Data/sample/*"]
    start_position => "beginning"
  }
}

filter {
  csv {
    columns => ["property_id","postal_code","address_1","city","state_code"]
    separator => "|"
  }
}

output {
  elasticsearch {
    embedded => true
    index => "samples4"
    index_type => "sample"
  }
}

elasticsearch中的文檔，如下所示：

{
   "_index": "samples4",
   "_type": "sample",
   "_id": "64Dc0_1eQ3uSln_k-4X26A",
   "_score": 1.4054651,
   "_source": {
   "message": [
      "369|90045|123 ABC ST|LOS ANGELES|CA\r"
   ],
   "@version": "1",
   "@timestamp": "2014-02-11T22:58:38.365Z",
   "host": "[host]",
   "path": "C:/Data/sample/sample.csv",
   "property_id": "369",
   "postal_code": "90045",
   "address_1": "123 ABC ST",
   "city": "LOS ANGELES",
   "state_code": "CA"
}

我想希望_id字段中的唯一ID替換為property_id的值。 這個想法是后續數據文件將包含更新。 我不需要保留以前的版本，也不會出現我們在文檔中添加或刪除密鑰的情況。

elasticsearch輸出的document_id設置不會將該字段的值放入_id （它只是放入“property_id”並且只存儲/更新一個文檔）。 我知道我在這里遺漏了一些東西。 我只是采取了錯誤的方法嗎？

編輯：工作！

使用@ rutter的建議，我已將output配置更新為：

output {
  elasticsearch {
    embedded => true
    index => "samples6"
    index_type => "sample"
    document_id => "%{property_id}"
  }
}

現在通過按預期將新文件放入數據文件夾來更新文檔。 _id和property_id是相同的值。

{
   "_index": "samples6",
   "_type": "sample",
   "_id": "351",
   "_score": 1,
   "_source": {
   "message": [
      "351|90045|Easy as 123 ST|LOS ANGELES|CA\r"
   ],
   "@version": "1",
   "@timestamp": "2014-02-12T16:12:52.102Z",
   "host": "TXDFWL3474",
   "path": "C:/Data/sample/sample_update_3.csv",
   "property_id": "351",
   "postal_code": "90045",
   "address_1": "Easy as 123 ST",
   "city": "LOS ANGELES",
   "state_code": "CA"
}

Answer 1

從評論轉換：

您可以通過發送具有相同ID的其他文檔來覆蓋文檔...但這可能會對您以前的數據造成困難，因為默認情況下您將獲得隨機ID。

您可以使用輸出插件的document_id字段設置ID，但它需要一個文字字符串，而不是字段名稱。 要使用字段的內容，可以使用sprintf格式字符串 ，例如%{property_id} 。

像這樣的東西，例如：

output {
  elasticsearch {
    ... other settings...
    document_id => "%{property_id}"
  }
}

Answer 2

declaimer - 我是ESL的作者
您可以使用elasticsearch_loader將psv文件加載到elasticsearch中。
要設置_id字段，您可以使用--id-field = property_id。 例如：
elasticsearch_loader --index=myindex --type=mytype --id-field=property_id csv --delimiter='|' filename.csv

Answer 3

您是否嘗試將配置更改為：

filter {
  csv {
    columns => ["_id","postal_code","address_1","city","state_code"]
    separator => "|"
  }
}

通過將property_id命名為_id，它應該在索引期間使用。