一、支持版本
支持 ElasticSearch 6.x、7.x 版本。
二、使用限制
1. Elasticsearch Reader 会获取 Server 端 shard 信息用于数据同步，需要确保在任务同步中 Server 端的 shards 处于存活状态，否则会存在数据不一致风险。
2. 不支持同步 scaled_float 类型的字段。
3. 不支持同步字段中带有关键字 $ref 的索引。
三、Elasticsearch 离线单表读取节点配置
| 参数 | 说明 |
| 数据来源 | 选择当前项目中可用的 Elasticsearch 数据源。 |
| 索引 | 支持多个索引名称或正则表达式。索引名称正则表达式请使用通配符(*)，如 index_*。 |
| ES 版本 | 根据数据源和索引确定 ES 版本。 |
| 切割键 | 指定用于数据分片的字段，指定后将启动并发任务进行数据同步。你可以将源数据表中某一列作为切分键，建议使用主键或有索引的列作为切分键。 |
| 检索条件（选填） | 使用 JSON 格式进行检索。 |
四、Elasticsearch 离线单表写入节点配置
| 参数 | 说明 |
| 数据去向 | 选择当前项目中可用的 Elasticsearch 数据源。 |
| 索引 | ElasticSearch 中的索引名称。 |
| 动态映射 | 定义当在文档中发现未存在的字段时，同步任务是否通过 Elasticsearch 动态映射机制为字段添加映射。打开：保留 Elasticsearch 的自动 mappings 映射。关闭：默认关闭，根据同步任务配置的 column 生成并更新 Elasticsearch 的 mappings 映射。Elasticsearch 7.x 版本的默认 type 为_doc。使用 Elasticsearch 的自动 mappings 时，请配置 _doc 和 esVersion 为7。 |
| 清理原索引数据 | 手动选择是否清理原索引数据：否：导入数据前保留索引中已存在的数据。是：导入数据前删除原来的索引并重建同名索引，此操作会删除该索引下的数据。 |
| 写入方式 | 支持插入和更新两种写入方式：插入：所有数据直接插入。更新：存在相同主键时更新数据，否则插入。 |
| 主键取值方式 | 支持三种取值方式：源表主键：document 的 id 使用源表的主键。联合主键：document 的 id 使用源表的多个列共同确定。无主键：默认生成 _id 值。 |
| 批量提交大小 | 一次性批量提交的记录数大小，该值可以极大减少数据同步系统与 ElasticSearch 的网络交互次数，并提升整体吞吐量。如果该值设置过大，会导致数据同步运行进程 OOM 异常。 |
| 高级设置（选填） | 可根据业务需求配置参数。 |
五、读取
| ElasticSearch 数据类型 | 内部类型 |
| byte、short、integer、long、unsigned long | Long |
| float、double、half_float | Double |
| string、text、keyword、integer_range、long_range、float_range、double_range、date_range、array、object、nested、flattened、geo_point、geo_shape | String |
| date | Date |
| binary | Bytes |
| boolean | Boolean |
六、写入
| 内部类型 | ElasticSearch 数据类型 |
| Long | byte、short、integer、long |
| Double | float、double |
| String | string、text、keyword、object、nested、geo_point、geo_shape、ip、binary、completion |
| Date | date |
| Boolean | boolean |
七、ES writer 清除索引后，自动重建的索引的字段类型不符合预期
问题信息：
ES 写结点配置 “清理原索引数据”，选择“是”重跑任务时，es writer 并不会主动创建索引。直接写数据时 ES 会根据数据推断，自动创建索引。新索引字段类型可能与旧版本不一样。
问题原因：
ES writer 清理原索引数据的方式为直接 delete 索引，并没有类似 MySQL 的 truncate table 的语法。索引删除后，ES Server 根据数据推断索引字段类型和原索引的字段类型可能不同。
解决方案：
通过 ES template 提前定义索引的字段类型。
创建示例：(merlion_suggest_words_* 表示对所有 merlion_suggest_words_ 打头的索引都生效 )。
PUT _template/merlion_suggest_words{ "template": "merlion_suggest_words_*", "order": 1, "mappings": { "properties": { "biz_owner": { "type": "keyword" }, "create_time": { "type": "date", "format": "yyyy-MM-dd HH:mm:ss||date_hour_minute_second||strict_date_optional_time||epoch_millis" }, "is_deleted": { "type": "short" }, "sug_words": { "type": "keyword" }, "language": { "type": "keyword" } } }, "settings": { "refresh_interval": "5s", "number_of_replicas": 1, "number_of_shards": 1 }}
八、ElasticSearch 脚本 Demo
如果你配置离线任务时，使用脚本模式的方式进行配置，你需要在任务脚本中，按照脚本的统一格式要求编写脚本中的 reader 参数和 writer 参数。
"job": { "content": [ { "reader": { "parameter": { "accessId": "elastic", "endpoint": "http://ip:9200", "search": { //检索条件 "query": { "mathc_a": {} } }, "accessKey": "******", "scroll": "100m", "column": [ //列名 { "name": "_id", "type": "string" }, { "name": "_index", "type": "string" } { "name": "_id", "type": "string" } ], "index": "source_index" //索引 }, "name": "elasticsearchreader" }, "transformer": [], "writer": { "parameter": { "settings": { "index": { "number_of_shards": 5, "number_of_replicas": 0 } }, "column": [ //列名 { "name": "a1", "type": "string" }, { "name": "a2", "type": "string" }, { "name": "_id", "type": "id" } ], "index": "sink_index", //索引 "type": "_doc", "splitter": ",", "accessId": "elastic", "actionType": "index", "endpoint": "http://ip:9200", "accessKey": "******", "cleanup": false, //是否清理原索引数据 "discovery": false, "dynamic": true, "batchSize": 1024, //批量提交大小 "esVersion": "5.6.4" }, "name": "elasticsearchwriter" } } ], "setting": { "errorLimit": { //脏数据阈值 "record": 0 }, "speed": { "byte": -1, //不限制同步速度，正整数表示设置最大传输速度 byte/s "channel": 1 //并发数量 } }}