ElasticSearch新增IK扩展词后，让历史数据生效方法

问题描述

IK是ES的中文分词插件。在IK新增热词后，不会去更新历史数据，即新添加的热词只对后续的数据生效。而实际上我们常常需要对历史数据进行更新。

解决办法

使用ES自己提供的update_by_query接口。

1. 调用接口：http://127.0.0.1:9200/index*/_update_by_query?conflicts=proceed
   
   • 可以指定多个索引多个type。
     http://127.0.0.1:9200/index1,index2/type1,type2/_update_by_query?conflicts=proceed
   • 可以使用通配符*，匹配多个索引
     -返回结果示例

{
    "took": 49616, // 话费时间
    "timed_out": false,//是否超时
    "total": 123649,//数据总数
    "updated": 123649,//更新总数
    "deleted": 0,
    "batches": 124,//scroll响应数量
    "version_conflicts": 0,//版本冲突数量
    "noops": 0,
    "retries": {
        "bulk": 0,
        "search": 0
    },
    "throttled_millis": 0,
    "requests_per_second": -1,
    "throttled_until_millis": 0,
    "failures": []
}

• 默认批处理的大小是1000，参数设置如下：

POST twitter/_update_by_query?scroll_size=100
- 其他支持的参数

refresh, wait_for_completion, wait_for_active_shards, and timeout.

1. 查询update_by_query:http://10.120.241.194:9200/_tasks?detailed=true&actions=*byquery
2. 取消upate_by_query任务：http://10.120.241.194:9200/_tasks/BmK-50kZQCuFwvObmFrLrw:27388/_cancel。

BmK-50kZQCuFwvObmFrLrw:27388 是通过第二点查询出来。

update_by_query原理

开始时获取一个索引的快照，并且使用内部版本来号来进行更新。这意味着如果文档在获得快照后，对索引处理 过程中版本发生更改，将会发生版本冲突。当快照的版本和索引版本一直时则进行更新，并且递增文档版本号。

当遇到冲突而导致整个更新过程失败时，更新过程是不会回滚的。如果不想因为冲突导致整个更新过程终止，可以在url中添加参数conflicts=proceed。或者在请求body中添加”conflicts”:”proceed”

效率测试

更新测试环境所有索引(14个)，文档数量123649，耗时49616，效率2490个/s。观察服务器负载在2左右。

测试环境es为单个节点。

总体上对性能影响不大。

注意点

1. 新增IK热词后，需要等热词生效后才能掉该接口。可以使用分词分析接口来确认。
   http://10.120.241.194:9200/indexname/_analyze?text=银天下&tokenizer=ik_max_word
   该接口返回有对应分词即表示添加成功。