Spark读取ES报错EsHadoopInvalidRequest The number of slices [1632] is too large

Spark读取ES报错EsHadoopInvalidRequest: The number of slices [1632] is too large

1.背景

最近需要将ES指定索引中的数据使用Spark读取，进行简单处理后写入HBase，使用了如下依赖。

        
        <dependency>
            <groupId>org.apache.sparkgroupId>
            <artifactId>spark-sql_2.11artifactId>
            <version>2.4.5version>
        dependency>
        
        <dependency>
            <groupId>org.scala-langgroupId>
            <artifactId>scala-libraryartifactId>
            <version>2.11.12version>
        dependency>
        
        <dependency>
            <groupId>org.elasticsearchgroupId>
            <artifactId>elasticsearch-spark-20_2.11artifactId>
            <version>5.5.1version>
        dependency>

代码如下。

object SparkReadES {

  def main(args: Array[String]): Unit = {
    val conf: SparkConf = new SparkConf()
    conf.setAppName("read_es")
    conf.set("es.nodes", "es_host")
    conf.set("es.port", "9200")
    conf.set("es.nodes.wan.only", "true")
    conf.set("cluster.name", "es-cluset-name")
    val sc: SparkContext = new SparkContext(conf)
    val query = """{
                  |  "query": {"match_all": {}}
                  |}""".stripMargin

    val rdd: RDD[(String, String)] = EsSpark.esJsonRDD(sc, "idex/type", query)

    println(rdd.take(10).toBuffer)
    
    sc.stop()
  }

}

2.解决方法

index.max_slices_per_scroll 是 Elasticsearch 中的一个设置，用于控制每次滚动搜索操作的切片数。滚动搜索是一种在大型数据集上执行连续分页查询的机制。

当执行滚动搜索时，Elasticsearch 将结果切分为多个切片（slices），每个切片处理一部分数据。index.max_slices_per_scroll 设置决定了每次滚动搜索操作中可以使用的最大切片数。

注意：修改此设置可能会对查询性能产生影响。较大的切片数可能会增加搜索操作的负载和资源消耗。因此，建议根据实际情况进行调整，并进行基准测试以评估性能变化。

2.1 修改指定索引配置(推荐)

在Kibana的Dev Tools中使用如下指令即可。

PUT /index_name/_settings
{
  "index.max_slices_per_scroll": 2048
}

指定数量为 2048，这种方式只需要修改读取索引的设置即可，不用重启服务，并且读取完毕之后可以将该参数值改回默认的 1024。

2.2 修改ES配置

1. 打开 Elasticsearch 配置文件，通常位于 config 目录下，名为 elasticsearch.yml。
2. 在配置文件中找到或添加以下行：index.max_slices_per_scroll: 2048
3. 保存并关闭配置文件。
4. 重启 Elasticsearch 以使更改生效。