ES迁移数据量不对

[bbossgroups]

ES迁移数据量不对

[yin-bp]

Hi,@WayneLee5991：
数据同步到es，数据不一致问题原因有多方面的，最主要的原因之一，导入的时候elasticsearch服务端处理不过来，造成部分数据被elasticsearch拒绝的情况，这种情况下需对导入作业的相关参数进行适当调优，比如导入的batchsize，线程数等等，另外bboss提供了导入结果回调处理接口，导入过程中有错误和异常时，会调用对应的接口回调方法，便于排查问题，相关的资料可以访问以下文档了解：

https://esdoc.bbossgroups.com/#/db-es-tool
对应的章节
2.3.12 设置任务执行结果回调处理函数
2.8 数据导入不完整原因分析及处理

[WayneLee5991]

Hi,@WayneLee5991：
数据同步到es，数据不一致问题原因有多方面的，最主要的原因之一，导入的时候elasticsearch服务端处理不过来，造成部分数据被elasticsearch拒绝的情况，这种情况下需对导入作业的相关参数进行适当调优，比如导入的batchsize，线程数等等，另外bboss提供了导入结果回调处理接口，导入过程中有错误和异常时，会调用对应的接口回调方法，便于排查问题，相关的资料可以访问以下文档了解：

https://esdoc.bbossgroups.com/#/db-es-tool
对应的章节
2.3.12 设置任务执行结果回调处理函数
2.8 数据导入不完整原因分析及处理

我使用了2.3.12中的ExportResultHandler，batchsize设置为5000，假设数据量为4000万，那么处理成功5000条机会调用success方法，有没有一个方式可以监听全部处理成功呢？？或者是需要自己计数？？

[yin-bp]

看看章节：
https://esdoc.bbossgroups.com/#/db-es-tool
2.3.17 数据同步任务执行统计信息获取

[yin-bp]

可以加入bboss的讨论开发群进一步交流
Elasticsearch技术交流群：21220580,166471282

Elasticsearch微信公众号：

对于你的情况建议如下

1、batchSize，fetchSize我修改为5000，threadCount=100，queueSize=200，几乎都是官方文档里的最小值。但是还是会sockettimeout 。目标ES集群不是我们管理的，优化需要和他们交流。
答复： threadCount为100实在是太大了，es扛不住了，还搞这么大的同步并发量肯定不行的，threadCount可以适当调整为10，queueSize可以调整为1000，batchSize可以改为1000，如果还抗不住，再适当调小threadCount
同步的时候将refresh机制都关闭掉

2、如果4000万的数据迁移到一半出错了，我想使用增量方法，增量字段是否支持_id？我们集群的索引id是自定义的long类型的数据
答复：建议你在你的索引表里面额外加一个long字段，专门用于增量同步

[WayneLee5991]

可以加入bboss的讨论开发群进一步交流
Elasticsearch技术交流群：21220580,166471282

Elasticsearch微信公众号：

对于你的情况建议如下

1、batchSize，fetchSize我修改为5000，threadCount=100，queueSize=200，几乎都是官方文档里的最小值。但是还是会sockettimeout 。目标ES集群不是我们管理的，优化需要和他们交流。
答复： threadCount为100实在是太大了，es扛不住了，还搞这么大的同步并发量肯定不行的，threadCount可以适当调整为10，queueSize可以调整为1000，batchSize可以改为1000，如果还抗不住，再适当调小threadCount
同步的时候将refresh机制都关闭掉

2、如果4000万的数据迁移到一半出错了，我想使用增量方法，增量字段是否支持_id？我们集群的索引id是自定义的long类型的数据
答复：建议你在你的索引表里面额外加一个long字段，专门用于增量同步

我把batchSize和fetchSize修改为500，threadCount修改为5，处理几个千万级别的索引后还是会报sockerTimeOut异常，是不是这个目标ES集群有点过于垃圾了。
当我重启，同步一个索引，日志中打印了CustomExportResultHandler：Task[Import DB Data to Elasticsearch] rejected 100 times，这个rejected 100 times会一直增长，这是目标ES集群拒绝处理数据的意思吧？？
这么看来，不管怎么优化bboss，目标ES集群都会报错，所以只能优化ES了

[yin-bp]

Hi,@WayneLee5991
sockettimeout确实是es处理能力问题，需要进行优化，可以先优化你们mapping结构。

CustomExportResultHandler：Task[Import DB Data to Elasticsearch] rejected 100 times
这个rejected 100 times只是告诉你bboss在多线程写入数据到elasticsearch时，由于es写入慢，bboss作业任务出现排队等待告警，bboss不会丢弃数据，直到所有的数据处理完毕。

bboss作为一个数据源同步工具，可以根据同步作业部署服务器配置、elasticsearch服务器处理能力，灵活调整数据同步作业参数，在确保数据准确性的前提下，追求最佳的同步性能和速度