• 利用java多线程技术往Elasticsearch导入千亿级数据


    近期接到一个任务,需要改造现有从mysql往Elasticsearch导入数据MTE(mysqlToEs)小工具,由于之前采用单线程导入,千亿数据需要两周左右的时间才能导入完成,导入效率非常低。所以楼主花了3天的时间,利用java线程池框架Executors中的FixedThreadPool线程池重写了MTE导入工具,单台服务器导入效率提高十几倍(合理调整线程数据,效率更高)。

    干货分享:利用java多线程技术往Elasticsearch导入千亿级数据

    打开今日头条,查看更多图片

    如果近期有往es导入数据的同学,可以从github上下载。

    传送门:

    https://github.com/dunzung/mte

    关键技术栈

    Elasticsearch

    jdbc

    ExecutorServiceThread

    sql

    工具说明

    maven依赖

    <dependency>

     <groupId>mysql</groupId>

     <artifactId>mysql-connector-java</artifactId>

     <version>${mysql.version}</version>

    </dependency>

    <dependency>

     <groupId>org.elasticsearch</groupId>

     <artifactId>elasticsearch</artifactId>

     <version>${elasticsearch.version}</version>

    </dependency>

    <dependency>

     <groupId>org.elasticsearch.client</groupId>

     <artifactId>transport</artifactId>

     <version>${elasticsearch.version}</version>

    </dependency>

    <dependency>

     <groupId>org.projectlombok</groupId>

     <artifactId>lombok</artifactId>

     <version>${lombok.version}</version>

    </dependency>

    <dependency>

     <groupId>com.alibaba</groupId>

     <artifactId>fastjson</artifactId>

     <version>${fastjson.version}</version>

    </dependency>

    java线程池设置

    默认线程池大小为21个,可调整。其中POR为处理流程已办数据线程池,ROR为处理流程已阅数据线程池。

    干货分享:利用java多线程技术往Elasticsearch导入千亿级数据

    private static int THREADS = 21;

    public static ExecutorService POR = Executors.newFixedThreadPool(THREADS);

    public static ExecutorService ROR = Executors.newFixedThreadPool(THREADS);

    定义已办生产者线程/已阅生产者线程:ZlPendProducer/ZlReadProducer

    public class ZlPendProducer implements Runnable {

     ...

     @Override

     public void run() {

     System.out.println(threadName + "::启动...");

     for (int j = 0; j < Const.TBL.TBL_PEND_COUNT; j++)

     try {

     ....

     int size = 1000;

     for (int i = 0; i < count; i += size) {

     if (i + size > count) {

     //作用为size最后没有100条数据则剩余几条newList中就装几条

     size = count - i;

     }

     String sql = "select * from " + tableName + " limit " + i + ", " + size;

     System.out.println(tableName + "::sql::" + sql);

     rs = statement.executeQuery(sql);

     List<HistPendingEntity> lst = new ArrayList<>();

     while (rs.next()) {

     HistPendingEntity p = PendUtils.getHistPendingEntity(rs);

     lst.add(p);

     }

     MteExecutor.POR.submit(new ZlPendConsumer(lst));

     Thread.sleep(2000);

     }

     ....

     } catch (Exception e) {

     e.printStackTrace();

     }

     }

    }

    public class ZlReadProducer implements Runnable {

     ...已阅生产者处理逻辑同已办生产者

    }

    定义已办消费者线程/已阅生产者线程:ZlPendConsumer/ZlReadConsumer

    public class ZlPendConsumer implements Runnable {

     private String threadName;

     private List<HistPendingEntity> lst;

     public ZlPendConsumer(List<HistPendingEntity> lst) {

     this.lst = lst;

     }

     @Override

     public void run() {

     ...

     lst.forEach(v -> {

     try {

     String json = new Gson().toJson(v);

     EsClient.addDataInJSON(json, Const.ES.HistPendDB_Index, Const.ES.HistPendDB_type, v.getPendingId(), null);

     Const.COUNTER.LD_P.incrementAndGet();

     } catch (Exception e) {

     e.printStackTrace();

     System.out.println("err::PendingId::" + v.getPendingId());

     }

     });

     ...

     }

    }

    public class ZlReadConsumer implements Runnable {

     //已阅消费者处理逻辑同已办消费者

    }

    定义导入Elasticsearch数据监控线程:Monitor

    监控线程-Monitor为了计算每分钟导入Elasticsearch的数据总条数,利用监控线程,可以调整线程池的线程数的大小,以便利用多线程更快速的导入数据。

    public void monitorToES() {

     new Thread(() -> {

     while (true) {

     StringBuilder sb = new StringBuilder();

     sb.append("已办表数::").append(Const.TBL.TBL_PEND_COUNT)

     .append("::已办总数::").append(Const.COUNTER.LD_P_TOTAL)

     .append("::已办入库总数::").append(Const.COUNTER.LD_P);

     sb.append("~~~~已阅表数::").append(Const.TBL.TBL_READ_COUNT);

     sb.append("::已阅总数::").append(Const.COUNTER.LD_R_TOTAL)

     .append("::已阅入库总数::").append(Const.COUNTER.LD_R);

     if (ldPrevPendCount == 0 && ldPrevReadCount == 0) {

     ldPrevPendCount = Const.COUNTER.LD_P.get();

     ldPrevReadCount = Const.COUNTER.LD_R.get();

     start = System.currentTimeMillis();

     } else {

     long end = System.currentTimeMillis();

     if ((end - start) / 1000 >= 60) {

     start = end;

     sb.append(" ######################################### ");

     sb.append("已办每分钟TPS::" + (Const.COUNTER.LD_P.get() - ldPrevPendCount) + "条");

     sb.append("::已阅每分钟TPS::" + (Const.COUNTER.LD_R.get() - ldPrevReadCount) + "条");

     ldPrevPendCount = Const.COUNTER.LD_P.get();

     ldPrevReadCount = Const.COUNTER.LD_R.get();

     }

     }

     System.out.println(sb.toString());

     try {

     Thread.sleep(3000);

     } catch (InterruptedException e) {

     e.printStackTrace();

     }

     }

     }).start();

    }

    初始化Elasticsearch:EsClient

    String cName = meta.get("cName");//es集群名字

    String esNodes = meta.get("esNodes");//es集群ip节点

    Settings esSetting = Settings.builder()

     .put("cluster.name", cName)

     .put("client.transport.sniff", true)//增加嗅探机制,找到ES集群

     .put("thread_pool.search.size", 5)//增加线程池个数,暂时设为5

     .build();

    String[] nodes = esNodes.split(",");

    client = new PreBuiltTransportClient(esSetting);

    for (String node : nodes) {

     if (node.length() > 0) {

     String[] hostPort = node.split(":");

     client.addTransportAddress(new TransportAddress(InetAddress.getByName(hostPort[0]), Integer.parseInt(hostPort[1])));

     }

    }

    初始化数据库连接

    conn = DriverManager.getConnection(url, user, password);

    启动参数

    nohup java -jar mte.jar ES-Cluster2019 192.168.1.10:9300,192.168.1.11:9300,192.168.1.12:9300 root 123456! jdbc:mysql://192.168.1.13

    :3306/mte 130 130 >> ./mte.log 2>&1 &

    参数说明

    ES-Cluster2019 为Elasticsearch集群名字

    192.168.1.10:9300,192.168.1.11:9300,192.168.1.12:9300为es的节点IP

    130 130为已办已阅分表的数据

    程序入口:MteMain

    干货分享:利用java多线程技术往Elasticsearch导入千亿级数据

    // 监控线程

    Monitor monitorService = new Monitor();

    monitorService.monitorToES();

    // 已办生产者线程

    Thread pendProducerThread = new Thread(new ZlPendProducer(conn, "ZlPendProducer"));

    pendProducerThread.start();

    // 已阅生产者线程

    Thread readProducerThread = new Thread(new ZlReadProducer(conn, "ZlReadProducer"));

    readProducerThread.start();

    小试牛刀

    干货分享:利用java多线程技术往Elasticsearch导入千亿级数据

    干货分享:利用java多线程技术往Elasticsearch导入千亿级数据

  • 相关阅读:
    今日进度
    今日进度
    今日进度
    今日进度
    今日进度
    每周总结
    今日进度
    python设置环境变量
    Python Property属性【python风格】
    学习-robot【字符串汇总】
  • 原文地址:https://www.cnblogs.com/lishiqi-blog/p/11181707.html
Copyright © 2020-2023  润新知