id指定なし"bulk-insert"がわからなかったら...

調べた

bulkinsert

curl -XPOST 'localhost:9200/test_index/test_type/_bulk?pretty' -d '
    { "index" : {}       }
    { "name"  : "java"   }
    { "index" : {}       }
    { "name"  : "golang" }
'

折角なので bulk apiを軽く記述

bulk API

複数の処理をまとめて一つのリクエストで要求できるAPI
このAPIを利用することで一つずつリクエストする場合に比べ
処理速度を大幅に稼ぐことができる

適当に計測

100ドキュメントのデータをinsertしてみると
全然処理にかかる時間が違うのがわかる
いろんなデータストアはbulkを利用するほうがだいたい
性能を稼げるのでチェックするほうがいい

each row post	use bulk api
0m1.618s	0m0.077s

sample-data

$ cat sample.json
{"name":{"last":"Lynch","first":"Marisol"}}
{"name":{"last":"Webster","first":"Abby"}}
{"name":{"last":"Malone","first":"Poole"}}
.
.
.
{"name":{"last":"Harrell","first":"Suzette"}}
{"name":{"last":"Myers","first":"Lakeisha"}}

一行ごとにポスト (each row post)

each-row-post.sh

#!/bin/bash
lineNum=1

cat $1 | while read JSON_DATA
do
    curl -XPUT "localhost:9200/bulk_table/users/${lineNum}" -d "${JSON_DATA}" 
    lineNum=$((lineNum + 1))
done

bulkAPIを利用してpost (use bulk api)

bulk-post.sh

curl -XPOST "localhost:9200/bulk_table/users_bulk/_bulk" --data-binary @test-bulk.json; echo

利用方法

entrypoint

# index, type指定
curl -XPOST 'localhost:9200/{index}/{type}/_bulk'

# type省略
curl -XPOST 'localhost:9200/{index}/_bulk'

# index, type省略
curl -XPOST 'localhost:9200/_bulk'

indexやtypeを指定すると続くアクションの
デフォルトとして利用される

アクション

index ：ドキュメントがなければ新規登録、あればリプレース
create：ドキュメントがない場合だけ動作
delete：ドキュメントを削除
update：存在するドキュメントにマージする

記述方法

deleteは一行のみだけど残りは2行で一つのアクションを記述することになる

_bulk

{ "delete": { "_index": "test_index", "_type": "lang", "_id": "123" }} 
{ "create": { "_index": "test_index", "_type": "lang", "_id": "123" }}
{ "name":    "php5.3" }
{ "index":  { "_index": "test_index", "_type": "lang" }}
{ "title":    "php5.6" }
{ "update": { "_index": "test_index", "_type": "lang", "_id": "123", "_retry_on_conflict" : 3} }
{ "doc" : {"title" : "php7"} }

参考

https://www.elastic.co/guide/en/elasticsearch/guide/current/bulk.html

【elasticsearch】idを指定せずに、bulk-insert