利用java多线程技术往Elasticsearch导入千亿级数据

Posted 2022-04-10 lishiqi-blog

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

ExecutorService\Thread

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("\n#########################################\n");

 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