转载

Elasticsearch 如何物理删除给定期限的历史数据？

01 题记

想到删除，基础认知是delete，细分为删除文档（document）和删除索引；要删除历史数据，基础认知是：删除了给定条件的数据，用delete_by_query。
实际操作发现：

删除文档后，磁盘空间并没有立即减少，反而增加了？
除了定时任务+delete_by_query，有没有更好的方式呢？

02 常见的删除操作

2.1 删除单个文档

1 DELETE /twitter/_doc/ 1

2.2 删除满足给定条件的文档

1 POST twitter/_delete_by_query
2 {
3 "query" : {
4 "match" : {
5 "message" : "some message"
6 }
7 }
8 }

注意：执行批量删除的时候，可能会发生版本冲突。强制执行删除的方式如下：

1 POST twitter/_doc/_delete_by_query?conflicts=proceed
2 {
3 "query" : {
4 "match_all" : {}
5 }
6 }

2.3 删除单个索引

1 DELETE /twitter

2.4 删除所有索引

1 DELETE /_all

或者

1 DELETE /*

删除所有索引是非常危险的操作，要注意谨慎操作。

03 删除文档后台做了什么？

执行删除后的返回结果：

1 {
2 "_index" : "test_index" ,
3 "_type" : "test_type" ,
4 "_id" : "22" ,
5 "_version" : 2 ,
6 "result" : "deleted" ,
7 "_shards" : {
8 "total" : 2 ,
9 "successful" : 1 ,
10 "failed" : 0
11 },
12 "_seq_no" : 2 ,
13 "_primary_term" : 17
14 }

解读：

索引的每个文档都是版本化的。
删除文档时，可以指定版本以确保我们试图删除的相关文档实际上被删除，并且在此期间没有更改。

每个在文档上执行的写操作，包括删除，都会使 其版本增加 。

真正的删除时机：

deleting a document doesn’t immediately remove the document from disk; it just marks it as deleted. Elasticsearch will clean up deleted documents in the background as you continue to index more data .

04 删除索引和删除文档的区别？

1）删除索引是会立即释放空间的，不存在所谓的“标记”逻辑。

2）删除文档的时候，是将新文档写入，同时将旧文档标记为已删除。磁盘空间是否释放取决于新旧文档是否在同一个segment file里面，因此ES后台的segment merge在 合并segment file的过程中有可能触发旧文档的物理删除 。

但因为一个shard可能会有上百个segment file，还是有很大几率新旧文档存在于不同的segment里而无法物理删除。想要手动释放空间，只能是定期做一下force merge，并且将max_num_segments设置为1。

1 POST /_forcemerge

05 如何仅保存最近100天的数据？

有了上面的认知，仅保存近100天的数据任务分解为：

1）delete_by_query设置检索近100天数据；
2）执行forcemerge操作，手动释放磁盘空间。

删除脚本如下：

1 #!/bin/sh
2 curl -H 'Content-Type:application/json' -d '{
3 "query": {
4 "range": {
5 "pt": {
6 "lt": "now-100d",
7 "format": "epoch_millis"
8 }
9 }
10 }
11 }
12 ' -XPOST "http://192.168.1.101:9200/logstash_*/
13 _delete_by_query?conflicts=proceed"

merge脚本如下：

1 #!/bin/sh
2 curl -XPOST 'http://192.168.1.101:9200/_forcemerge?
3 only_expunge_deletes=true&max_num_segments=1'

06 有没有更通用的方法？

有，使用ES官网工具——curator工具。

6.1 curator简介

主要目的：规划和管理ES的索引。支持常见操作：创建、删除、合并、reindex、快照等操作。

6.2 curator官网地址

http://t.cn/RuwN0oM
Git地址：https://github.com/elastic/curator

6.3 curator安装向导

地址：http://t.cn/RuwCkBD

注意：
curator各种博客教程层出不穷，但curator旧版本和新版本有较大差异，建议 参考官网 最新手册部署。
旧版本命令行方式新版本已不支持。

6.4 curator命令行操作

1 $ curator --help
2 Usage: curator [OPTIONS] ACTION_FILE
3 Curator for Elasticsearch indices.
4 See http: //elastic.co/guide/en/elasticsearch/client/curator/current
5 Options:
6 --config PATH Path to configuration file. Default: ~/.curator/curator.yml
7 --dry-run Do not perform any changes.
8 --version Show the version and exit .
9 --help Show this message and exit .