我正在寻找一种方法来提高对elasticsearch数据的滚动扫描速度。
下面的python代码扫描多个索引,并将结果输出到控制台和位于某个位置的文件。
我的测试得出结论,这种方法效率极低,需要大量的时间(10个事件/秒?)。我想这是由一些内部违约或限制造成的。
我有没有办法设计它来达到更好的性能?在
from elasticsearch import Elasticsearch
from elasticsearch_dsl import Search, Q
client = Elasticsearch(
[
'http://localhost:9201/',
],
verify_certs=True
)
search = Search(using=client, index="test1,test2,test3") \
.filter(Q("wildcard", name="bob*") & Q("term", color="green")) \
.filter('range', **{'@timestamp':{'gte': 'now-2d', 'lt': 'now'}}) \
.sort('@timestamp') \
.params(preserve_order=True)
file = open("X:/files/people.txt", "a")
for hit in search.scan():
line = (hit.message + "\n")
file.write(line)
print(line)
file.close()
感谢您对此进行调查:)
最好的方法是删除
sort
和preserve_order
参数。您还可以使用multiprocessing
查看切片滚动以并行运行多个扫描,可以在(0)中看到一个示例。希望这有帮助!在0-https://github.com/elastic/elasticsearch-dsl-py/issues/817#issuecomment-372271460
老问题,但可能会帮助其他人:
另外两件事是调整}来消除字段,我已经看到使用它们的性能有了很大的提高。在
size
,找到一个适合您的环境的最佳值。另外,如果您不需要完整的_source
,请尝试使用_source_exclude
或{相关问题 更多 >
编程相关推荐