ES 26 - 通过partial update局部更新索引文档 (partial update增量修改原理)
目录
1 什么是partial update
1.1 全量修改文档的原理
全量修改文档的语法: PUT index/type/1, 如果id=1的文档不存在, 则创建, 如果存在, 将发生替换原有文档的操作.
全量替换文档的性能比较低, 为了避免替换操作的发生, 引入partial update: 只修改指定的field, 不用全量修改数据.
1.2 修改指定field的思路
① 根据用户请求, 获得要修改的文档;
② 在内存中封装用户提交的新文档, 发送PUT请求到ES内部;
③ 将要替换的旧文档标记为deleted;
④ 最后将封装好的新文档存入索引中.
1.3 partial update的优势
① 所有的查询、修改和写回操作, 都在同一个shard中进行, 避免了网络传输的开销.
- 不需要: 从特定shard查询文档 -> 返回到内存 -> 内存中修改 -> 将修改的文档发送到原来的shard -> 写索引 —— 这个复杂的操作, 显著提升了性能:
② 减少了查询和修改的时间间隔, 可以有效减少并发冲突.
1.4 partial update的使用
使用方法: 通过_update关键字实现partial update:
// 添加测试数据:
PUT employee/developer/1
{
"name": "shou feng",
"sex": "male",
"age": 20
}
// partial update修改指定field:
POST employee/developer/1/_update
{
"doc": {
"age": 21
}
}
// 响应结果:
{
"_index": "employee",
"_type": "developer",
"_id": "1",
"_version": 5,
"result": "updated",
"_shards": {
"total": 2,
"successful": 1,
"failed": 0
}
}
// 查看文档, 发现age已经从20变为21了.
GET employee/developer/1如果不使用_update, 则会直接覆盖掉源文档, 导致原文档丢失部分数据:
// 不使用_update:
POST employee/developer/1
{
"doc": {
"age": 22
}
}
// 再次查看, 发现id=1的该文档就只剩一个age字段了:
GET employee/developer/12 通过脚本进行partial update操作
ES提供了脚本支持 —— 可以通过Groovy外置脚本(已过时)、内置painless脚本实现各种复杂操作.
2.1 内置painless脚本修改文档
-
插入文档:
PUT employee/developer/1 { "name": "shou feng", "age": 20, "salary": 10000 } -
执行脚本: —— 这里使用的是更轻快简短的painless脚本, 就是直接由字符串表示的脚本:
POST employee/developer/1/_update // 发送POST请求, 执行partial update { "script": "ctx._source.salary+=500" // 为salary自增500 } -
查看修改结果:
GET employee/developer/1 // 结果如下: { "_index": "employee", "_type": "developer", "_id": "1", "_version": 11, "found": true, "_source": { "name": "shou feng", "age": 20, "salary": 10500 // 自增500成功 } }
2.2 外置Groovy脚本修改文档
-
将脚本文件存放在
${ES_HOME}/config/scripts下, 文件名为xxx.groovy, 内容为:ctx._source.salary+=bonus—— 增加值为将近bonus的值, 示例如下: -
修改文档:
POST employee/developer/1/_update { "script": { "lang": "groovy", "file": "change_salary", "params": { "bonus": 500 } } } // 响应结果为: #! Deprecation: [groovy] scripts are deprecated, use [painless] scripts instead { "_index": "employee", "_type": "developer", "_id": "1", "_version": 12, "result": "updated", "_shards": { "total": 2, "successful": 1, "failed": 0 } } -
查看修改结果:
GET employee/developer/1 // 结果如下: { "_index": "employee", "_type": "developer", "_id": "1", "_version": 12, "found": true, "_source": { "name": "shou feng", "age": 20, "salary": 9000 } }
说明: 在执行外置Groovy脚本时, ES提示Groovy脚本已经过时, 建议我们使用painless —— 更轻快的表达方式, 即类似于ctx._source.salary+=bonus的简短表达方式.
Elasticsearch 5.6(具体开始版本不明确)版本中的默认脚本使用方式就已经是painless了.
关于脚本的详细使用, 请参见博文: ES 27 – Elasticsearch的painless脚本使用实践.
2.3 内置painless脚本upsert文档
-
假设不知道id=1的文档被删除了, 我们现在为其添加
"level": 1的内容:POST employee/developer/1/_update { "doc": { "level": 1 } } -
抛出 [404 – 文档丢失] 的错误:
{ "error": { "root_cause": [ { "type": "document_missing_exception", "reason": "[developer][1]: document missing", "index_uuid": "rT6tChP2QISaVd2OzdCEMA", "shard": "3", "index": "employee" } ], "type": "document_missing_exception", "reason": "[developer][1]: document missing", "index_uuid": "rT6tChP2QISaVd2OzdCEMA", "shard": "3", "index": "employee" }, "status": 404 } -
修改upsert策略: 如果指定的文档不存在, 就执行
upsert中的初始化操作; 如果存在, 就执行doc或script中的partial update操作:POST employee/developer/1/_update { "script": "ctx.source.level+=1", "upsert": { "name": "heal", "age": 20 } }
2.4 外置Groovy脚本delete文档
脚本路径: ${ES_HOME}/config/scripts/delete_doc.groovy
脚本内容: ctx.op = ctx._source.age == age ? 'delete': 'none' ctx.op = ctx._source.age == param ? 'delete' : 'none'
-
使用示例:
POST employee/developer/1/_update { "script": { "lang": "groovy", "file": "delete_doc", "params": { "age": 20 // 如果年龄是20, 则删除之 } } } -
响应结果:
#! Deprecation: [groovy] scripts are deprecated, use [painless] scripts instead { "_index": "employee", "_type": "developer", "_id": "1", "_version": 13, "result": "deleted", "_shards": { "total": 2, "successful": 1, "failed": 0 } } -
查看文档是否被删除:
GET employee/developer/1 // 响应结果 - 成功删除: { "_index": "employee", "_type": "developer", "_id": "1", "found": false }
3 partial update的并发控制策略
partial update内部也是通过乐观锁进行并发控制的.
关于并发控制, 请参见博文: Elasticsearch的并发控制策略.
3.1 控制方式
POST index/type/id/_update?retry_on_conflict=5
POST index/type/id/_update?retry_on_conflict=5&version=53.2 retry原理
retry_on_conflict: 发生冲突后的重试次数.
(1) 客户端A、B几乎同时获取同一个文档, 一并获得_version版本信息, 假设此时_version=1;
(2) 客户端A修改文档中的部分内容, 将修改写入索引;
(3) Elasticsearch在写入索引时, 检查客户端A提交的文档的版本信息(这里仍然是1) 和 现存的文档的版本信息(这里也是1), 发现相同后, 执行写入操作, 并修改版本号_version=2;
(4) 客户端B也修改文档中的部分内容, 其操作写回索引的速度稍慢. 此时同样执行过程(3): ES发现客户端B提交的文档的版本为1, 而现存文档的版本为2 ===> 发生冲突, 此次partial update将失败;
(5) partial update操作失败后, 将重复(1) – (3) 过程, 重复的次数, 就是retry_on_conflict参数的值.
版权声明