我在MySql中有一个大数据集(大约220万行),并且可以通过Logstash导入Elasticsearch,但是现在的运行速度非常慢。
在我的本地计算机上,每个实例都有4GB RAM,运行起来比较快(花了3天),而服务器到服务器的转移大约需要80天以上。
该查询非常复杂(使用子查询等)。
我将mysql服务器从使用/ tmp目录切换为使用/ data / tmp_mysql目录,但是即使那样,我偶尔还是会用完临时空间。当我切换到/ data / tmp_mysql目录以保存/ tmp文件而不是/ tmp目录时。
例如:我收到错误消息:
message =>“执行JDBC查询时出现异常,
异常Sequel::DatabaseError:Java::JavaSql::SQLException
写入文件'/ data / tmp_mysql / MYHPf8X5'时出错(错误代码:28)
我将查询更新为具有此限制(200):
UPDATE p_results设置了computed_at =“0000-00-00 00:00:00”,而calculated_at是NULL LIMIT 200;
我的配置文件如下所示:(请注意,我正在使用页面大小为10000的分页)。
input {
jdbc {
jdbc_connection_string => "jdbc:mysql://xxx.xxx.xxx.xxx:3306/xxx_production"
jdbc_user => "xxx"
jdbc_password => "xxx"
jdbc_driver_library => "/usr/share/java/mysql.jar"
jdbc_driver_class => "com.mysql.jdbc.Driver"
statement_filepath => "./sql/req.sql"
jdbc_paging_enabled => "true"
jdbc_page_size => 10000
}
}
output {
elasticsearch {
index => "xxx_resultats_preprod2"
document_type => "resultats"
hosts => ["localhost:9200"]
codec => "plain"
template => "./resultats_template.json"
template_name => "xxx_resultats"
template_overwrite => true
document_id => "%{result_id}"
}
}
我看了一些here文档
在我的logstash / elasticsearch服务器上运行
free -m
,我看到了:total used free shared buffers cached
Mem: 3951 2507 1444 0 148 724
-/+ buffers/cache: 1634 2316
Swap: 4093 173 3920
因此,总内存= 4GB,并使用了2.5GB或的63.4%。因此,Elasticsearch服务器上的Ram似乎不是问题。
在MySql服务器上运行
free -m
,我看到以下内容:total used free shared buffers cached
Mem: 3951 3836 115 0 2 1154
-/+ cache: 2679 1271
swap: 4093 813 3280
因此,总共使用了Ram = 4GB和〜3,8GB或 97%。这看起来像个问题。
我的理论是,我偶尔会交换到磁盘,这是它运行缓慢的部分原因。或者,也许我正在同时使用分页和限制,这使事情变慢了?
目前,Mysql服务器上的平均负载相对较低。
top
load average: 1,00, 1,00, 1,00
在/ data下,我看到:
sudo du -h -d 1
13G ./tmp_mysql
4,5G ./production
使用
df-h
我看到:总使用率%
/ dev / sdb1 32G 6,2G 24G 21%/数据
如果有人可以帮助我更快地执行查询,我将不胜感激!
编辑:
谢谢大家的有益反馈。事实证明,我的logstash导入已崩溃(由于在Mysql中/ tmp空间用完了子查询),并且我假设我可以继续运行相同的导入作业。好吧,我可以运行它,并将它加载到 flex 中,但是非常非常缓慢。当我完全重新实现索引的加载并开始在新索引上运行时,加载时间变得与过去相当。我估计将需要55个小时来加载数据-这是很长的时间,但至少现在可以正常工作了。
我对Mysql子查询做了一个EXPLAIN,发现了一些我可以解决/改善的索引问题。
最佳答案
您在此处指出2个潜在问题:
您必须消除一个!尝试在stdout上输出以查看elasticsearch是否是瓶颈。
如果是,则可以使用一些ES设置来改善摄取:
(更多关于https://www.elastic.co/guide/en/elasticsearch/reference/master/tune-for-indexing-speed.html)
关于elasticsearch - 通过Logstash在大型数据集上加载Elasticsearch运行非常缓慢,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/50295162/