如何把数据快速批量添加到Elasticsearch中
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!
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
1 private void button1_Click(object sender, EventArgs e) 2 { 3 //Application.StartupPath + "\\" + NextFile.Name 4 Task.Run(() => { CreateDataToFile(); }); 5 } 6 public void CreateDataToFile() 7 { 8 StringBuilder sb = new StringBuilder(); 9 StringBuilder sborder = new StringBuilder(); 10 int flag = 1; 11 sborder.Append(@"cd E:\curl-7.50.3-win64-mingw\bin" + Environment.NewLine); 12 DateTime endDate = DateTime.Parse("2016-10-22"); 13 for (int i = 1; i <= 10000; i++)//1w个点 14 { 15 DateTime startDate = DateTime.Parse("2016-10-22").AddYears(-1); 16 this.Invoke(new Action(() => { label1.Text = "生成第" + i + "个"; })); 17 18 while (startDate <= endDate)//每个点生成一年数据,每分钟一条 19 { 20 if (flag > 100000)//大于10w分割一个文件 21 { 22 string filename = new Random(GetRandomSeed()).Next(900000000) + ".json"; 23 24 FileStream fs3 = new FileStream(Application.StartupPath + "\\testdata\\" + filename, FileMode.OpenOrCreate); 25 StreamWriter sw = new StreamWriter(fs3, Encoding.GetEncoding("GBK")); 26 sw.WriteLine(sb.ToString()); 27 sw.Close(); 28 fs3.Close(); 29 sb.Clear(); 30 flag = 1; 31 sborder.Append(@"curl 172.17.1.15:9200/_bulk?pretty --data-binary @E:\Bin\Debug\testdata\" + filename + Environment.NewLine); 32 33 } 34 else 35 { 36 sb.Append("{\"index\":{\"_index\":\"meterdata\",\"_type\":\"autoData\"}}" + Environment.NewLine); 37 sb.Append("{\"Mfid \":" + i + ",\"TData\":" + new Random().Next(1067500) + ",\"TMoney\":" + new Random().Next(1300) + ",\"HTime\":\"" + startDate.ToString("yyyy-MM-ddTHH:mm:ss") + "\"}" + Environment.NewLine); 38 flag++; 39 } 40 startDate = startDate.AddMinutes(1);// 41 } 42 43 } 44 sborder.Append("pause"); 45 FileStream fs1 = new FileStream(Application.StartupPath + "\\testdata\\order.bat", FileMode.OpenOrCreate); 46 StreamWriter sw1 = new StreamWriter(fs1, Encoding.GetEncoding("GBK")); 47 sw1.WriteLine(sborder.ToString()); 48 sw1.Close(); 49 fs1.Close(); 50 MessageBox.Show("生成完毕"); 51 52 } 53 static int GetRandomSeed() 54 {//随机生成不重复的编号 55 byte[] bytes = new byte[4]; 56 System.Security.Cryptography.RNGCryptoServiceProvider rng = new System.Security.Cryptography.RNGCryptoServiceProvider(); 57 rng.GetBytes(bytes); 58 return BitConverter.ToInt32(bytes, 0); 59 }
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。
(有问题,大家多多交流,加群163259145,加群请记得说:博客园)
--业精于勤而荒于嬉,行成于思而毁于随--