ES的插入优化之bulk

插入文档操作的一种优化，因为每次插入单条文档，都会向es中发送请求。然后es执行在返回结果；

如果有大批量的文档数据需要插入，这个时候单挑插入操作显然是不合理的；

之前学习的命令行批量执行方式：

POST /_bulk

{ "delete": { "_index": "website", "_type": "blog", "_id": "123" }} 
{ "create": { "_index": "website", "_type": "blog", "_id": "123" }}
{ "title":    "My first blog post" }
{ "index":  { "_index": "website", "_type": "blog" }}
{ "title":    "My second blog post" }
{ "update": { "_index": "website", "_type": "blog", "_id": "123", "_retry_on_conflict" : 3} }
{ "doc" : {"title" : "My updated blog post"} }

复制代码
1：普通的批量插入方式
复制代码
 @Test
    public void BulkInsertDocument() throws IOException {
        BulkRequestBuilder bulkRequest = client.prepareBulk();

// either use client#prepare, or use Requests# to directly build index/delete requests
        bulkRequest.add(client.prepareIndex("weibo", "article", "1")
                .setSource(jsonBuilder()
                        .startObject()
                        .field("user", "张三")
                        .field("postDate", new Date())
                        .field("message", "近段时间关于马蓉的消息传得到处都是，而且我们也发现她这一段时间似乎小动作不断。对于她近期的所做所为，王宝强方面则显得冷静一些，要求法庭二审选择公开审理。")
                        .endObject()
                )
        );

        bulkRequest.add(client.prepareIndex("weibo", "article", "2")
                .setSource(jsonBuilder()
                        .startObject()
                        .field("user", "王二")
                        .field("postDate", new Date())
                        .field("message", "新浪2016里约奥运站为您全程报道第31届里约夏季奥林匹克运动会,金牌榜,赛程赛果,赛事直播,高清图片,中国队比赛信息第一时间推送,与奥运人物微博互动")
                        .endObject()
                )
        );

        BulkResponse bulkResponse = bulkRequest.get();
        if (bulkResponse.hasFailures()) {
            // process failures by iterating through each bulk response item
        }
    }
复制代码
这种方式也会有问题，比如在批量插入的时候，多大数据量插入一次，多少条插入一次，多少秒插入一次这样的定时定量的优化都是没有的，那么接下来让我们在看一下批量插入的优化操作

2：优化后的批量执行方式
复制代码
@Test
    public void BulkInsertDocumen2t() throws Exception {
        BulkProcessor bulkProcessor = BulkProcessor.builder(client, new BulkProcessor.Listener() {
            //todo beforeBulk会在批量提交之前执行
            public void beforeBulk(long l, org.elasticsearch.action.bulk.BulkRequest bulkRequest) {
                System.out.println("---尝试操作" + bulkRequest.numberOfActions() + "条数据---");
            }
            //TODO 第一个afterBulk会在批量成功后执行，可以跟beforeBulk配合计算批量所需时间
            public void afterBulk(long l, org.elasticsearch.action.bulk.BulkRequest bulkRequest, BulkResponse bulkResponse) {
                System.out.println("---尝试操作" + bulkRequest.numberOfActions() + "条数据成功---");
            }
            //TODO 第二个afterBulk会在批量失败后执行
            public void afterBulk(long l, org.elasticsearch.action.bulk.BulkRequest bulkRequest, Throwable throwable) {
                System.out.println("---尝试操作" + bulkRequest.numberOfActions() + "条数据失败---");
            }

        })
                // 1w次请求执行一次bulk
                .setBulkActions(10000)
                // 1gb的数据刷新一次bulk
                .setBulkSize(new ByteSizeValue(1, ByteSizeUnit.GB))
                // 固定5s必须刷新一次
                .setFlushInterval(TimeValue.timeValueSeconds(5))
                // 并发请求数量, 0不并发, 1并发允许执行
                .setConcurrentRequests(1)
                // 设置退避, 100ms后执行, 最大请求3次
                .setBackoffPolicy(
                        BackoffPolicy.exponentialBackoff(TimeValue.timeValueMillis(100), 3))
                .build();

        // 添加请求数据
        Map<String, Object> m = new HashMap<String, Object>();
        m.put("document", "这是异步批量插入测试");
        bulkProcessor.add(new IndexRequest("testblog", "test", "1").source(m));
        bulkProcessor.add(new IndexRequest("testblog", "test", "2").source(m));
bulkProcessor.flush();
//        bulkProcessor.add(new DeleteRequest("testblog", "test", "2"));

        // 关闭
        bulkProcessor.awaitClose(10, TimeUnit.MINUTES);
    }