Elasticsearch 中的 Logstash doc_as_upsert 交叉索引以消除重复项

Question

我有一个 logstash 配置，它在输出块中使用以下内容来尝试减少重复。

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。

当 logstash 在同一索引中看到相同的文档时，此方法有效，但由于生成输入数据的命令没有可靠的不同文档出现的速率，logstash 有时会在不同的日期标记索引中插入重复的文档.

例如，logstash 运行以获取输入的命令通常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。但是，当小时或日期戳翻过去，文档仍然出现时，elastic/logstash 认为它是一个新文档。

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

Answer 1

一个新的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，您可以通过在管道中添加 elasticsearch filter 来防止这种情况发生，该管道将在所有索引中查找文档，如果找到，则可以删除该事件。

这样就可以了（注意usages 将是一个跨越所有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 {}
    }
}