1、题记 想到删除,基础认知是delete,细分为删除文档(document)和删除索引;要删除历史数据,基础认知是:删除了给定条件的数据,用delete_by_query。 实际操作发现: - 删除文档后,磁盘空间并没有立即减少,反而增加了? - 除了定时任务+delete_by_query,有没有更好的方式呢? 2、常见的删除操作 2.1 删除单个文档 DELETE /twitter/_doc/1 2.2 删除满足给定条件的文档 POST twitter/_delete_by_query { "query": { "match": { "message": "some message" } } } 注意:执行批量删除的时候,可能会发生版本冲突。强制执行删除的方式如下: POST twitter/_doc/_delete_by_query?conflicts=proceed { "query": { "match_all": {} } } 2.3 删除单个索引 DELETE /twitter 2.4 删除所有索引 DELETE /_all 或者 DELETE /* 删除所有索引是非常危险的操作,要注意谨慎操作。 3、删除文档后台做了什么? 执行删除后的返回结果: { "_index": "test_index", "_type": "test_type", "_id": "22", "_version": 2, "result": "deleted", "_shards": { "total": 2, "successful": 1, "failed": 0 }, "_seq_no": 2, "_primary_term": 17 } 解读: 索引的每个文档都是版本化的。 删除文档时,可以指定版本以确保我们试图删除的相关文档实际上被删除,并且在此期间没有更改。 每个在文档上执行的写操作,包括删除,都会使其版本增加。 真正的删除时机: deleting a document doesn’t immediately remove the document from disk; it just marks it as deleted. Elasticsearch will clean up deleted documents in the background as you continue to index more data. 4、删除索引和删除文档的区别? 1)删除索引是会立即释放空间的,不存在所谓的“标记”逻辑。 2)删除文档的时候,是将新文档写入,同时将旧文档标记为已删除。 磁盘空间是否释放取决于新旧文档是否在同一个segment file里面,因此ES后台的segment merge在合并segment file的过程中有可能触发旧文档的物理删除。 但因为一个shard可能会有上百个segment file,还是有很大几率新旧文档存在于不同的segment里而无法物理删除。想要手动释放空间,只能是定期做一下force merge,并且将max_num_segments设置为1。 POST /_forcemerge 5、如何仅保存最近100天的数据? 有了上面的认知,仅保存近100天的数据任务分解为: - 1)delete_by_query设置检索近100天数据; - 2)执行forcemerge操作,手动释放磁盘空间。 删除脚本如下: #!/bin/sh curl -H'Content-Type:application/json' -d'{ "query": { "range": { "pt": { "lt": "now-100d", "format": "epoch_millis" } } } } ' -XPOST "http://192.168.1.101:9200/logstash_*/ _delete_by_query?conflicts=proceed" merge脚本如下: #!/bin/sh curl -XPOST 'http://192.168.1.101:9200/_forcemerge? only_expunge_deletes=true&max_num_segments=1' 6、有没有更通用的方法? 有,使用ES官网工具——curator工具。 6.1 curator简介 主要目的:规划和管理ES的索引。支持常见操作:创建、删除、合并、reindex、快照等操作。 6.2 curator官网地址 http://t.cn/RuwN0oM Git地址:https://github.com/elastic/curator 6.3 curator安装向导 地址:http://t.cn/RuwCkBD 注意: curator各种博客教程层出不穷,但curator旧版本和新版本有较大差异,建议参考官网最新手册部署。 旧版本命令行方式新版本已不支持。 6.4 curator命令行操作 $ curator --help Usage: curator [OPTIONS] ACTION_FILE Curator for Elasticsearch indices. See http://elastic.co/guide/en/elasticsearch/client/curator/current Options: --config PATH Path to configuration file. Default: ~/.curator/curator.yml --dry-run Do not perform any changes. --version Show the version and exit. --help Show this message and exit. 核心: - 配置文件config.yml:配置要连接的ES地址、日志配置、日志级别等; 执行文件action.yml: 配置要执行的操作(可批量)、配置索引的格式(前缀匹配、正则匹配方式等) 6.5 curator适用场景 最重要的是: 仅以删除操作为例:curator可以非常简单地删除x天后的索引的前提是:索引命名要遵循特定的命名模式——如:以天为命名的索引:logstash_2018.04.05。 命名模式需要和action.yml中的delete_indices下的timestring对应。 7、小结 多参考官网最新的文档,历史版本的历史文档很容易误导人; 多真正去实践,而不是仅限于知道; medcl:ES新版本6.3 有一个 Index LifeCycle Management 可以很方便的管理索引的保存期限。 参考: [1]http://t.cn/RuwOTv [2]http://t.cn/RuwXHBr [3]http://t.cn/RuwOofC (责任编辑:IT) |