elasticsearch - Logstash doc_as_upsert在Elasticsearch中交叉索引消除重复

Question

我有一个 logstash 配置，它在输出 block 中使用以下内容以尝试减少重复。

output {
        if [type] == "usage" {
                elasticsearch {
                        hosts => ["elastic4:9204"]
                        index => "usage-%{+YYYY-MM-dd-HH}"
                        document_id => "%{[@metadata][fingerprint]}"
                        action => "update"
                        doc_as_upsert => true
                }

        }
}

指纹是根据两个唯一字段的 SHA1 哈希计算得出的。

这在 logstash 在同一索引中看到相同文档时有效，但由于生成输入数据的命令没有可靠的不同文档出现率，因此 logstash 有时会在不同日期戳索引中插入重复文档.

比如logstash运行获取输入的命令，一般会返回最近两个小时的数据。但是，由于我无法确定文档何时出现/消失，因此我每十五分钟调整一次命令。

当重复发生在同一小时内时，这很好。然而，当小时或天日期戳翻转时，文档仍然出现，elastic/logstash 认为这是一个新文档。

有没有办法让 upsert 工作交叉索引？这些都是相同类型的文档，它们将简单地应用于匹配“usage-*”的每个索引

Answer 1

新索引是一个全新的键空间，没有办法告诉 ES 不要在两个不同的索引中索引两个具有相同 ID 的文档。

但是，您可以通过添加 elasticsearch filter 来防止这种情况发生到您的管道，它将在所有索引中查找文档，如果找到一个，它可能会删除该事件。

像这样的事情会做(注意 usages 将是跨越所有 usage-* 索引的别名):

filter {
    elasticsearch {
        hosts => ["elastic4:9204"]
        index => "usages"
        query => "_id:%{[@metadata][fingerprint]}"
        fields => {"_id" => "other_id"}
    }
    # if the document was found, drop this one
    if [other_id] {
        drop {}
    }
}