Question

我看到以下API将在Elasticsearch中进行查询删除 - http://www.elasticsearch.org/guide/en/elasticsearch/reference/current/docs-delete-by-query.html

但我想对弹性搜索批量API做同样的事情，即使我可以使用批量上传文档

es.bulk(body=json_batch)

我不确定如何使用python批量API进行弹性搜索来调用查询删除。

Answer 1

看看elasticsearch如何弃用查询API删除。我使用绑定创建this python script来做同样的事情。首先定义ES连接：

import elasticsearch
es = elasticsearch.Elasticsearch(['localhost'])

现在，您可以使用它来为要删除的结果创建查询。

search=es.search(
    q='The Query to ES.',
    index="*logstash-*",
    size=10,
    search_type="scan",
    scroll='5m',
)

现在您可以循环滚动该查询。在我们这样做时生成我们的请求。

 while True:
    try: 
      # Git the next page of results. 
      scroll=es.scroll( scroll_id=search['_scroll_id'], scroll='5m', )
    # Since scroll throws an error catch it and break the loop. 
    except elasticsearch.exceptions.NotFoundError: 
      break 
    # We have results initialize the bulk variable. 
    bulk = ""
    for result in scroll['hits']['hits']:
      bulk = bulk + '{ "delete" : { "_index" : "' + str(result['_index']) + '", "_type" : "' + str(result['_type']) + '", "_id" : "' + str(result['_id']) + '" } }\n'
    # Finally do the deleting. 
    es.bulk( body=bulk )

要使用批量api，您需要确保两件事：

文档已标识您要更新。（index，type，id）
每个请求都以换行符或/ n终止。

Answer 2

elasticsearch-py批量API允许您通过在每条记录中添加'_op_type': 'delete'来批量删除记录。但是，如果要逐个删除，则仍需要进行两个查询：一个用于获取要删除的记录，另一个用于删除它们。

批量执行此操作的最简单方法是使用python模块的scan()帮助程序，它包装ElasticSearch Scroll API，因此您无需跟踪_scroll_id秒。将其与bulk()帮助程序一起使用，以替换已弃用的delete_by_query()：

from elasticsearch.helpers import bulk, scan

bulk_deletes = []
for result in scan(es,
                   query=es_query_body,  # same as the search() body parameter
                   index=ES_INDEX,
                   doc_type=ES_DOC,
                   _source=False,
                   track_scores=False,
                   scroll='5m'):

    result['_op_type'] = 'delete'
    bulk_deletes.append(result)

bulk(elasticsearch, bulk_deletes)

由于传递_source=False，因此不会返回文档正文，因此每个结果都非常小。但是，如果你有内存限制，你可以很容易地批量处理：

BATCH_SIZE = 100000

i = 0
bulk_deletes = []
for result in scan(...):

    if i == BATCH_SIZE:
        bulk(elasticsearch, bulk_deletes)
        bulk_deletes = []
        i = 0

    result['_op_type'] = 'delete'
    bulk_deletes.append(result)

    i += 1

bulk(elasticsearch, bulk_deletes)

Answer 3

我目前正在使用基于@drs响应的此脚本，但始终使用bulk()帮助程序。它可以使用chunk_size参数从迭代器创建批量作业（默认为500，有关详细信息，请参阅straming_bulk()）。

from elasticsearch import Elasticsearch
from elasticsearch.helpers import scan, bulk

BULK_SIZE = 1000

def stream_items(es, query):
    for e in scan(es, 
                  query=query, 
                  index=ES_INDEX,
                  doc_type=ES_DOCTYPE, 
                  scroll='1m',
                  _source=False):

        # There exists a parameter to avoid this del statement (`track_source`) but at my version it doesn't exists.
        del e['_score']
        e['_op_type'] = 'delete'
        yield e

es = Elasticsearch(host='localhost')
bulk(es, stream_items(es, query), chunk_size=BULK_SIZE)

Answer 4

谢谢，这真的很有用！

我有两点建议：

使用滚动获取结果的下一页时，es.scroll(scroll_id=search['_scroll_id'])应为最后一次滚动中返回的_scroll_id，而不是搜索返回的内容。 Elasticsearch不会每次更新滚动ID，特别是对于较小的请求（请参阅this discussion），因此此代码可能有效，但它并非万无一失。
清除卷轴很重要，因为长时间保持搜索环境是开放的，需要付出代价。 Clear Scroll API - Elasticsearch API documentation他们将在超时后最终关闭，但如果你的磁盘空间不足，那么它可以为你节省很多麻烦。

一种简单的方法是随时随地构建滚动ID列表（确保删除重复项！），并最终清除所有内容。

es.clear_scroll(scroll_id=scroll_id_list)

Elasticsearch python API：按查询删除文档

4 个答案: