Monodyee

这个屌丝很懒，什么也没留下！

热门标签

Elasticsearch 8.X 如何优雅的实现字段名称批量修改？

作者：Monodyee | 2024-02-08 09:34:35

踩

批量修改es字段

1、线上实战问题

写入es前，数据格式如下

{"json_lbm_01":"test01","json_lbm_02":"test02","tmp_lbm_01":"test03","tmp_lbm_02":"test04"}

需求：单纯用pipeline可不可以实现，如果写入key包含json_提换为空，包含tmp提换为core，因为key字段有很多不考虑穷举，最终效果要如下：


{
  "lbm_01":"test01",
  "lbm_02":"test02",
  "core_lbm_01":"test03",
  "core_lbm_02":"test04"
}

——问题来源：死磕Elasticsearch知识星球 https://t.zsxq.com/0bzWL3w1X

2、认知前提

Elasticsearch mapping 一旦创建是不允许修改的！允许更新 mapping 的地方是几个特殊的点，可以参见：Elasticsearch 可以更改 Mapping 吗？如何修改？

除此之外的 mapping 层面尤其字段层面想要修改需要转换思路。

3、Mapping 字段非要修改，以满足业务需求怎么搞？

看开篇问题，本质上属于建模问题，应该建模阶段处理好，后期就不存在这个问题，这点期望大家可以达成共识。

关于Elasticsearch 数据建模的重要性，推荐参考：

干货 | Elasticsearch 数据建模指南

针对开篇问题，考虑如下的解决方案：

3.1 方案一，字段别名实现。

字段别名 field-alias 区别于索引别名 alias。

索引别名大家都比较熟悉，字段别名听到的多，但是实际用的不见得有那么多。

字段别名是 Elasticsearch 6.4 版本新上的功能，具体参见：

https://www.elastic.co/cn/blog/introducing-field-aliases-in-elasticsearch

因为一般前期建模做足功课，后面环节就不需要了。

优点：已有mapping保持不动，只是在其基础上做了更新操作。
缺点：批量1000个字段，需要构造1000个字段的mapping，其实可以脚本实现。

实操参考：


POST mytxindex-20230303/_bulk
{"index":{"_id":1}}
{"json_lbm_01":"test01","json_lbm_02":"test02","tmp_lbm_01":"test03","tmp_lbm_02":"test04"}
 
 
PUT mytxindex-20230303/_mapping
{
    "properties": {
      "lbm_01": {
        "type": "alias",
        "path": "json_lbm_01"
      },
      "lbm_02": {
        "type": "alias",
        "path": "json_lbm_02"
      },
      "core_lbm_01": {
        "type": "alias",
        "path": "tmp_lbm_01"
      },
      "core_lbm_02": {
        "type": "alias",
        "path": "tmp_lbm_02"
      }
    }
}
 
POST mytxindex-20230303/_search
{
  "query": {
    "match": {
      "lbm_01": "test01"
    }
  }
}

召回结果数据如下截图所示：

3.2 方案二，重新建模，然后 reindex 操作实现。

核心点介绍如下：

优先推荐使用模板 template，解决了字段名称相似的模板化匹配问题。
预处理管道实现分两块：

其一，script 实现了新旧字段的赋值；
其二，remove 移除了不必要的老字段。

优点：这种操作比较常见，中规中矩。

缺点：需要 reindex 迁移索引数据，且在迁移的时候做预处理操作。

具体实现如下：


#### step1：创建模板，有了模板，字段一键搞定
PUT _index_template/mytx_template_20230303
{
  "index_patterns": [
    "mytx_new_*"
  ],
  "template": {
    "settings": {
      "number_of_shards": 1
    },
    "mappings": {
      "dynamic_templates": [
        {
          "lbm_to_keyword": {
            "match_mapping_type": "string",
            "match": "lbm_*",
            "mapping": {
              "type": "keyword"
            }
          }
        },
        {
          "core_lbm_to_keyword": {
            "match_mapping_type": "string",
            "match": "core_lbm_*",
            "mapping": {
              "type": "keyword"
            }
          }
        }
      ]
    }
  }
}
 
#### step2：创建预处理管道
PUT _ingest/pipeline/mytx_pipeline_20230303
{
  "processors": [
    {
      "script": {
        "source": """
        ctx.lbm_01 = ctx.json_lbm_01;
        ctx.lbm_02 = ctx.json_lbm_02;
        ctx.core_lbm_01 = ctx.tmp_lbm_01;
        ctx.core_lbm_02 = ctx.tmp_lbm_02;
        """,
        "lang": "painless"
      }
    },
    {
      "remove": {
        "field": [
          "json_lbm_01",
          "json_lbm_02",
          "tmp_lbm_01",
          "tmp_lbm_02"
        ],
        "if": "ctx.json_lbm_01 != null && ctx.json_lbm_02 != null && ctx.tmp_lbm_01 != null && ctx.tmp_lbm_02 != null"
      }
    }
  ]
}
 
#### step3：数据迁移操作
POST _reindex
{
  "source": {
    "index": "mytxindex-20230303"
  },
  "dest": {
    "index": "mytx_new_001",
    "pipeline": "mytx_pipeline_20230303"
  }
}
 
#### step4：执行检索
POST mytx_new_001/_search

召回结果如下图所示：

3.3 方案三：解决遍历问题的终极方案

方案一、方案二都解决不了 N 个字段的问题。

假设有多个字段，不想一个字段一个字段的复制处理，也不想借助第三方脚本如shell 或者 python 处理。

那有没有更好的方案呢？方案三基于字段遍历实现，字段无非是 key：value 组合。

先通过：entry.getKey( )获取 key，然后基于 key 做逻辑判定，构造新的key，然后将旧value 复制给新 key。

最后，通过 putAll 更新。


PUT _ingest/pipeline/rename_fields_pipeline
{
  "processors": [
    {
      "script": {
        "source": """
          def new_fields = [:];
          for (entry in ctx.entrySet()) {
            String key = entry.getKey();
            if (key.startsWith('json_')) {
              key = key.replace('json_', '');
            } else if (key.startsWith('tmp_')) {
              key = 'core_' + key.replace('tmp_', '');
            }
            new_fields[key] = entry.getValue();
          }
          ctx.clear();
          ctx.putAll(new_fields);
        """
      }
    }
  ]
}
 
 
POST _reindex
{
  "source": {
    "index": "mytxindex-20230303"
  },
  "dest": {
    "index": "mytx_new_002",
    "pipeline": "rename_fields_pipeline"
  }
}

最终执行结果如下，和预期一致。

4、小结

类似问题即便给出了3种不同的实现方案，都能达到给定的业务需求。

但，仍然不建议业务中后期这么处理。更优的解决方案，推荐借助 Elasticsearch 建模阶段做好规划，避免中后期的类似上述问题的涉及大量数据迁移的大的改动。

更多实践想法，欢迎大家一起交流！！！