Elasticsearch使用MultiGet批量获取文档与使用Bulk批量操作

Multi Get 批量获取

Multi Get API可以通过索引名、类型名、文档id一次得到一个文档集合，文档可以来自同一个索引库，也可以来自不同的索引库。

GET /_mget
{
  "docs":[
     {
        "_index": "lib",
        "_type": "user",
        "_id": "1"
     },
     {
        "_index": "lib",
        "_type": "user",
        "_id": "2"
     },
     {
        "_index": "lib",
        "_type": "user",
        "_id": "3"
     }
  ]
}

# 可以指定具体的字段
GET /_mget
{
  "docs":[
     {
        "_index": "lib",
        "_type": "user",
        "_id": "1",
        "_source": "interests"
     },
     {
        "_index": "lib",
        "_type": "user",
        "_id": "2",
        "_source": {"age","interests"}
     }
  ]
}

# 获取同索引同类型下的不同文档
GET /lib/user/_mget
{
  "docs":[
     {
        "_id": "1"
     },
     {
        "_type": "user", # 若是指定索引和类型必须和请求头上的保持一致，否者将会报错。
        "_id": "2"
     }
  ]
}

# 也可以使用下面这种更为简化的写法
GET /lib/user/_mget
{
  "ids":["1","2"]
}

Bulk 批量操作

bulk的格式：
{action:{metadata}}n
{requstbody}n (请求体)

• action：(行为)，包含create（文档不存在时创建）、update（更新文档）、index（创建新文档或替换已用文档）、delete（删除一个文档）。

create和index的区别：如果数据存在，使用create操作失败，会提示文档已存在，使用index则可以成功执行。

• metadata：(行为操作的具体索引信息)，需要指明数据的_index、_type、_id。

示例：

{"delete":{"_index":"lib","_type":"user","_id":"1"}}

批量添加

POST /lib2/books/_bulk
{"index":{"_id":1}}  # 行为：索引信息
{"title":"Java","price","55"} # 请求体
{"index":{"_id":2}}
{"title":"Html5","price","45"}
{"index":{"_id":3}}
{"title":"Php","price","35"}`
{"index":{"_id":4}}
{"title":"Python","price","50"}

# 返回结果
{
  "took": 60,
  "error": false # 请求是否出错，返回false、具体的错误
  "items": [
     # 操作过的文档的具体信息
     {
        "index":{
           "_index": "lib",
           "_type": "user",
           "_id": "1",
           "_version": 1,
           "result": "created", # 返回请求结果
           "_shards": {
              "total": 1,
              "successful": 1,
              "failed": 0
           },
           "_seq_no": 0,
           "_primary_trem": 1
           "status": 200
        }
    }, 
    ... 
  ]
}

批量删除
删除的批量操作不需要请求体

POST /lib/books/_bulk
{"delete":{"_index":"lib","_type":"books","_id":"4"}} # 删除的批量操作不需要请求体
{"create":{"_index":"tt","_type":"ttt","_id":"100"}}
{"name":"lisi"} # 请求体
{"index":{"_index":"tt","_type":"ttt"}} # 没有指定_id，elasticsearch将会自动生成_id
{"name":"zhaosi"} # 请求体
{"update":{"_index":"lib","_type":"books","_id":"4"}} # 更新动作不能缺失_id，文档不存在更新将会失败
{"doc":{"price":58}} # 请求体

bluk一次最大处理多少数据量
bulk会将要处理的数据载入内存中，所以数据量是有限的，最佳的数据两不是一个确定的数据，它取决于你的硬件，你的文档大小以及复杂性，你的索引以及搜索的负载。

一般建议是1000-5000个文档，大小建议是5-15MB，默认不能超过100M，可以在es的配置文件（即$ES_HOME下的config下的elasticsearch.yml）中，bulk的线程池配置是内核数+1。

bulk批量操作的json格式解析
bulk的格式：
{action:{metadata}}n
{requstbody}n (请求体)

1. 不用将其转换为json对象，直接按照换行符切割json，内存中不需要json文本的拷贝。
2. 对每两个一组的json，读取meta，进行document路由。
3. 直接将对应的json发送到node上。

为什么不使用如下格式：

[{"action":{},"data":{}}]

这种方式可读性好，但是内部处理就麻烦；耗费更多内存，增加java虚拟机开销：

1. 将json数组解析为JSONArray对象，在内存中就需要有一份json文本的拷贝，宁外好友一个JSONArray对象。
2. 解析json数组里的每个json，对每个请求中的document进行路由。
3. 为路由到同一个shard上的多个请求，创建一个请求数组。
4. 将这个请求数组序列化。