如何清除 AWS CloudSearch 中的所有数据？

Question

我有一个仍在开发中的 AWS CloudSearch 实例。

有时，例如当我对字段的格式进行一些修改时，我发现自己想要清除所有数据并重新生成它。

有什么方法可以使用控制台清除所有数据，还是我必须通过编程方式进行？

如果我必须使用编程方式（即生成并发布一堆“删除”SDF 文件），有什么好的方法可以查询 CloudSearch 实例中的所有文档吗？

我想我可以删除并重新创建实例，但这需要一段时间，并且会丢失所有索引/排名表达式/文本选项/等

Answer 1

在命令行中使用aws 和jq（在mac 上使用bash 测试）：

export CS_DOMAIN=https://yoursearchdomain.yourregion.cloudsearch.amazonaws.com

# Get ids of all existing documents, reformat as
# [{ type: "delete", id: "ID" }, ...] using jq
aws cloudsearchdomain search \
  --endpoint-url=$CS_DOMAIN \
  --size=10000 \
  --query-parser=structured \
  --search-query="matchall" \
  | jq '[.hits.hit[] | {type: "delete", id: .id}]' \
  > delete-all.json

# Delete the documents
aws cloudsearchdomain upload-documents \
  --endpoint-url=$CS_DOMAIN \
  --content-type='application/json' \
  --documents=delete-all.json

有关 jq 的更多信息，请参阅Reshaping JSON with jq

2017 年 2 月 22 日更新

添加了 --size 以一次获取最大文档数 (10,000)。您可能需要多次重复此脚本。此外，--search-query 可以采取更具体的方式，如果您想对删除的文档有选择性。

Answer 2

我能找到的最佳答案在某种程度上隐藏在 AWS 文档中。也就是说：

Amazon CloudSearch 目前不提供删除机制 域中的所有文档。但是，您可以克隆域 配置以从空域重新开始。更多 信息，请参阅Cloning an Existing Domain's Indexing Options。

来源：http://docs.aws.amazon.com/cloudsearch/latest/developerguide/Troubleshooting.html#ts.cleardomain

Answer 3

在我这边，我使用了这样的本地 nodejs 脚本：

var AWS = require('aws-sdk');

AWS.config.update({
    accessKeyId: '<your AccessKey>', 
    secretAccessKey: '<Your secretAccessKey>',
    region: '<your region>',
    endpoint: '<your CloudSearch endpoint'
});

var params = {
       query:"(or <your facet.FIELD:'<one facet value>' facet.FIELD:'<one facet value>')",
       queryParser:'structured'
};


var cloudsearchdomain = new AWS.CloudSearchDomain(params);
cloudsearchdomain.search(params, function(err, data) {
    var fs = require('fs');
    var result = [];
    if (err) {
        console.log("Failed");
        console.log(err);
    } else {
        resultMessage = data;
        for(var i=0;i<data.hits.hit.length;i++){
            result.push({"type":"delete","id":data.hits.hit[i].id});
        }    

        fs.writeFile("delete.json", JSON.stringify(result), function(err) {
            if(err) {return console.log(err);}
        console.log("The file was saved!");
        });
    }
});

您必须至少知道 on facets 的所有值，才能请求所有 ID。在我的代码中，我只放了 2（在 （或 ....） 部分），但你可以有更多。

完成后，您将拥有一个 delete.json 文件，可通过以下命令与 AWS-CLI 一起使用：

aws cloudsearchdomain upload-documents --documents delete.json --content-type application/json --endpoint-url <your CloudSearch endpoint>

...这对我有用！

Answer 4

我一直在执行以下操作，使用 python 适配器 boto 来清空 cloudsearch。不漂亮，但它完成了工作。困难的部分是平衡您获取的数量是否在 cloudsearch 5mb 限制内。

    count = CloudSearchAdaptor.Instance().get_total_documents()
    while count > 0:
         results = CloudSearchAdaptor.Instance().search("lolzcat|-lolzcat", 'simple', 1000)
         for doc in results.docs:
             CloudSearchAdaptor.Instance().delete(doc['id'])

         CloudSearchAdaptor.Instance().commit()
         #add delay here if cloudsearch takes to long to propigate delete change            
         count = CloudSearchAdaptor.Instance().get_total_documents()

Cloudsearch 适配器类如下所示：

from boto.cloudsearch2.layer2 import Layer2
from singleton import Singleton

@Singleton
class CloudSearchAdaptor:

    def __init__(self):
        layer2 = Layer2(
            aws_access_key_id='AWS_ACCESS_KEY_ID',
            aws_secret_access_key='AWS_SECRET_ACCESS_KEY',
            region='AWS_REGION'
        )
        self.domain = layer2.lookup('AWS_DOMAIN'))
        self.doc_service = self.domain.get_document_service()
        self.search_service = self.domain.get_search_service()

@staticmethod
def delete(id):
    instance = CloudSearchAdaptor.Instance()
    try:
        response = instance.doc_service.delete(id)
    except Exception as e:
        print 'Error deleting to CloudSearch'

@staticmethod
def search(query, parser='structured', size=1000):
    instance = CloudSearchAdaptor.Instance()
    try:
        results = instance.search_service.search(q=query, parser=parser, size=size)
        return results
    except Exception as e:
        print 'Error searching CloudSearch'

@staticmethod
def get_total_documents():
    instance = CloudSearchAdaptor.Instance()
    try:
        results = instance.search_service.search(q='matchall', parser='structured', size=0)
        return results.hits
    except Exception as e:
        print 'Error getting total documents from CloudSearch'

@staticmethod
def commit():
    try:
        response = CloudSearchAdaptor.Instance().doc_service.commit()
        CloudSearchAdaptor.Instance().doc_service.clear_sdf()
    except Exception as e:
        print 'Error committing to CloudSearch'

Answer 5

在 PHP 上，我设法使用 AWS PHP SDK 创建了一个用于清理所有记录的脚本：

clean.php - http://pastebin.com/Lkyk1D1i config.php - http://pastebin.com/kFkZhxCc

您需要在 config.php 上配置您的密钥，在 clean.php 上配置您的端点，下载 AWS PHP 开发工具包，一切顺利！！！

请注意，它最多只能清理 10000 个文档。因为亚马逊有限制。

Answer 6

您可以手动将文档批次直接上传到 AWS CloudSearch、仪表板 > 上传文档。 如果您可以枚举所有要删除的索引 ID，则可以创建一个脚本来生成文档批处理或手动生成它。

文档批处理格式应该是这样的

sample.json

[
    {
        "type": "delete",
        "id": "1"
    },
    {
        "type": "delete",
        "id": "2"
    }
]

如何枚举所有索引 - 运行测试搜索

• 搜索：id:*（或您确定所有人都可以使用的任何字段）
• 查询解析器：Lucene

Answer 7

我已经设法为它创建了一个 PowerShell 脚本。在这里查看我的网站：http://www.mpustelak.com/2017/01/aws-cloudsearch-clear-domain-using-powershell/

脚本：

$searchUrl = '[SEARCH_URL]'
$documentUrl = '[DOCUMENT_URL]'
$parser = 'Lucene'
$querySize = 500

function Get-DomainHits()
{
    (Search-CSDDocuments -ServiceUrl $searchUrl -Query "*:*" -QueryParser $parser -Size $querySize).Hits;
}

function Get-TotalDocuments()
{
    (Get-DomainHits).Found
}

function Delete-Documents()
{
    (Get-DomainHits).Hit | ForEach-Object -begin { $batch = '[' } -process { $batch += '{"type":"delete","id":' + $_.id + '},'} -end { $batch = $batch.Remove($batch.Length - 1, 1); $batch += ']' }

    Try
    {
        Invoke-WebRequest -Uri $documentUrl -Method POST -Body $batch -ContentType 'application/json'
    }
    Catch
    {
        $_.Exception
        $_.Exception.Message
    }
}

$total = Get-TotalDocuments
while($total -ne 0)
{
    Delete-Documents

    $total = Get-TotalDocuments

    Write-Host 'Documents left:'$total
    # Sleep for 1 second to give CS time to delete documents
    sleep 1
}

Answer 8

以下Java版本可清除云搜索域内的所有数据：

private static final AmazonCloudSearchDomain cloudSearch = Region
        .getRegion(Regions.fromName(CommonConfiguration.REGION_NAME))
        .createClient(AmazonCloudSearchDomainClient.class, null, null)
        .withEndpoint(CommonConfiguration.SEARCH_DOMAIN_DOCUMENT_ENDPOINT);

public static void main(String[] args) {

    // retrieve all documents from cloud search
    SearchRequest searchRequest = new SearchRequest().withQuery("matchall").withQueryParser(QueryParser.Structured);
    Hits hits = cloudSearch.search(searchRequest).getHits();

    if (hits.getFound() != 0) {
        StringBuffer sb = new StringBuffer();
        sb.append("[");

        int i = 1;
        // construct JSON to delete all
        for (Hit hit : hits.getHit()) {
            sb.append("{\"type\": \"delete\",  \"id\": \"").append(hit.getId()).append("\"}");
            if (i < hits.getHit().size()) {
                sb.append(",");
            }
            i++;
        }

        sb.append("]");

        // send to cloud search
        InputStream documents = IOUtils.toInputStream(sb.toString());
        UploadDocumentsRequest uploadDocumentsRequest = new UploadDocumentsRequest()
                .withContentType("application/json").withDocuments(documents).withContentLength((long) sb.length());
        cloudSearch.uploadDocuments(uploadDocumentsRequest);
    }
}