如何把数据快速批量添加到Elasticsearch中
2016-11-16 11:57
288 查看
问题来源
最近新做一个项目,有部分搜索比较频繁的数据,而且量级比较大,预计一两年时间很可能达到100G,项目要求不要存在数据库中,最终出来有两个方案,一个是使用Protocol Buffers存储在文件上,另外就是存在Elasticsearch中,也方便搜索,但这两个方案需要验证,到底哪个方案好,从存储速度,搜索响应,占用空间方面做对比,而我负责给出Elasticsearch的部分技术建议!验证需求
1、数据量:初步只算52亿条2、写数据速度:需要超过1W条每秒
遇到问题以及解决办法
而在验证过程中遇到了无论是使用Elasticsearch.Net或者PlainElastic.Net来写数据,并且是使用了Bulk的api,加上多线程,都是太慢了,粗略算了一下,大概一秒插入3千条左右,这样的话,52亿条数据,得插到何年何月啊,太慢了,根据查阅资料,网上也有人说插入数据还是挺快 的,一秒可以插入18w条,但具体也没说是用什么办法插入的,所以只能到官方看看了,发现用REST API的_bulk来批量插入,这样速度明显快了,可以达到5到10w条每秒,速度还可以,但问题是这方法是先定义一定格式的json文件,然后再用curl命令去执行Elasticsearch的_bulk来批量插入,所以得把数据写进json文件,然后再通过批处理,执行文件插入数据,另外在生成json文件,文件不能过大,过大会报错,所以建议生成10M一个文件,然后分别去执行这些小文件就可以了,说了这么多都是文字,真的有点晕乎乎的,看图吧!![](https://oscdn.geek-share.com/Uploads/Images/Content/202009/22/50f9802e3b324de8a5dc5303b74edac0.png)
json数据文件内容的定义
{"index":{"_index":"meterdata","_type":"autoData"}} {"Mfid ":1,"TData":172170,"TMoney":209,"HTime":"2016-05-17T08:03:00"} {"index":{"_index":"meterdata","_type":"autoData"}} {"Mfid ":1,"TData":172170,"TMoney":209,"HTime":"2016-05-17T08:04:00"} {"index":{"_index":"meterdata","_type":"autoData"}} {"Mfid ":1,"TData":172170,"TMoney":209,"HTime":"2016-05-17T08:05:00"} {"index":{"_index":"meterdata","_type":"autoData"}} {"Mfid ":1,"TData":172170,"TMoney":209,"HTime":"2016-05-17T08:06:00"} {"index":{"_index":"meterdata","_type":"autoData"}} {"Mfid ":1,"TData":172170,"TMoney":209,"HTime":"2016-05-17T08:07:00"}
批处理内容的定义
cd E:\curl-7.50.3-win64-mingw\bin curl 172.17.1.15:9200/_bulk?pretty --data-binary @E:\Bin\Debug\testdata\437714060.json curl 172.17.1.15:9200/_bulk?pretty --data-binary @E:\Bin\Debug\testdata\743719428.json curl 172.17.1.15:9200/_bulk?pretty --data-binary @E:\Bin\Debug\testdata\281679894.json curl 172.17.1.15:9200/_bulk?pretty --data-binary @E:\Bin\Debug\testdata\146257480.json curl 172.17.1.15:9200/_bulk?pretty --data-binary @E:\Bin\Debug\testdata\892018760.json pause
工具代码
private void button1_Click(object sender, EventArgs e) { //Application.StartupPath + "\\" + NextFile.Name Task.Run(() => { CreateDataToFile(); }); } public void CreateDataToFile() { StringBuilder sb = new StringBuilder(); StringBuilder sborder = new StringBuilder(); int flag = 1; sborder.Append(@"cd E:\curl-7.50.3-win64-mingw\bin" + Environment.NewLine); DateTime endDate = DateTime.Parse("2016-10-22"); for (int i = 1; i <= 10000; i++)//1w个点 { DateTime startDate = DateTime.Parse("2016-10-22").AddYears(-1); this.Invoke(new Action(() => { label1.Text = "生成第" + i + "个"; })); while (startDate <= endDate)//每个点生成一年数据,每分钟一条 { if (flag > 100000)//大于10w分割一个文件 { string filename = new Random(GetRandomSeed()).Next(900000000) + ".json"; FileStream fs3 = new FileStream(Application.StartupPath + "\\testdata\\" + filename, FileMode.OpenOrCreate); StreamWriter sw = new StreamWriter(fs3, Encoding.GetEncoding("GBK")); sw.WriteLine(sb.ToString()); sw.Close(); fs3.Close(); sb.Clear(); flag = 1; sborder.Append(@"curl 172.17.1.15:9200/_bulk?pretty --data-binary @E:\Bin\Debug\testdata\" + filename + Environment.NewLine); } else { sb.Append("{\"index\":{\"_index\":\"meterdata\",\"_type\":\"autoData\"}}" + Environment.NewLine); sb.Append("{\"Mfid \":" + i + ",\"TData\":" + new Random().Next(1067500) + ",\"TMoney\":" + new Random().Next(1300) + ",\"HTime\":\"" + startDate.ToString("yyyy-MM-ddTHH:mm:ss") + "\"}" + Environment.NewLine); flag++; } startDate = startDate.AddMinutes(1);// } } sborder.Append("pause"); FileStream fs1 = new FileStream(Application.StartupPath + "\\testdata\\order.bat", FileMode.OpenOrCreate); StreamWriter sw1 = new StreamWriter(fs1, Encoding.GetEncoding("GBK")); sw1.WriteLine(sborder.ToString()); sw1.Close(); fs1.Close(); MessageBox.Show("生成完毕"); } static int GetRandomSeed() {//随机生成不重复的编号 byte[] bytes = new byte[4]; System.Security.Cryptography.RNGCryptoServiceProvider rng = new System.Security.Cryptography.RNGCryptoServiceProvider(); rng.GetBytes(bytes); return BitConverter.ToInt32(bytes, 0); }
总结
本次测试结果,发现Elasticsearch的搜索速度是挺快的,生成过程中,在17亿数据时查了一下,根据Mid和时间在几个月范围的数据,查十条数据两秒多完成查询,而且同一查询条件查询越多,查询就越快,应该是Elasticsearch缓存了,52亿条数据,大概占用500G空间左右,还是挺大的,相比Protocol Buffers存储的数据,要大三倍左右,但搜索速度还是比较满意的。![](https://oscdn.geek-share.com/Uploads/Images/Content/202009/22/003950851f10a9c59574f9e247ed0d5a.png)
![](http://www.cnblogs.com/hai-ping/p/file:/D:\qq\512438171\Image\Group\7MGHRJ])%6A`Q}D$`GS0M%4.png)
相关文章推荐
- 如何把数据快速批量添加到Elasticsearch中
- 如何把数据快速批量添加到Elasticsearch中
- 如何把数据快速批量添加到Elasticsearch中
- 数据快速批量添加到Elasticsearch
- Windows 2003如何批量绑定IP地址?批量添加ip地址,一行DOS命令快速设置
- Yii2如何批量添加数据
- 如何解决在快速向jtable添加数据的时候报AWT-EventQueue-0" java.lang.ArrayIndexOutOfBoundsException:异常
- excel中如何快速添加相似数据
- 使用JDBC在MySQL数据库中如何快速批量插入数据
- 如何快速批量删除Mysql数据库中的数据表
- 如何批量在mysql里添加数据
- Yii2如何批量添加数据
- ElasticSearch如何添加,检索数据
- 使用JDBC在MySQL数据库中如何快速批量插入数据
- Yii2如何批量添加数据
- Win7系统如何简单快速的添加用户账户以便我们使用
- SQL Server 2005中的分区表(二):如何添加、查询、修改分区表中的数据 .
- 如何在神箭手上快速开发爬虫——第四课 如何爬取分页数据【蘑菇街商品评论】
- hibernate如何进行批量的数据操作,防止内存溢出
- ORACLE 快速批量导入文本数据到数据库(sqlldr工具)方法与分析