下一个版本将支持

• 1、断点续导；
• 2、配置参数动态输入；
• 3、支持从一个index导入另一个index，一个集群导入另一个集群ES；
• 4、写个定时脚本执行,PS:很多小伙伴说他们需要定时导出数据；

About

该工具实现从ES中导出数据,并且可以对导出的数据格式和数据文件做部分自定义,该工具主要使用ES中srcoll接口多线程导出数据.

Design

• 项目采用 Java 构建。
• 访问ES部分采用官方 RestClient 构建通信。
• 数据导出方式为Srcoll方式,多线程的话通过slice对ES的数据切割数据。
• 线程池用 BlockingQueue 用作队列，如果队列使用完，则获取ES数据线程会阻塞等待新的队列。

TODO LIST

• 支持导出到文件，支持格式txt,json,sql。
• 支持导出文件对文件进行切割处理，文件大于多少新建写入下一个文件。
• 支持数据导出到数据库，支持所有主流数据库，连接池使用druid。
• 程序停止后重新启动能从停止的点导出。
• 配置参数动态输入。
• 支持从一个index导入另一个index，一个集群导入另一个集群ES。
• 定时脚本执行程序。

Version

版本号说明:大版本.新增功能.提交次数

V1.3.5

• 1.新增ES导数据入DB，支持大部分主流数据库。
• 1.新增支持导出SQL语句自定义sql。
• 2.修改配置文件的配置名，利于阅读。
• 3.修改文件分割策略，以文件大小分割取消以文件数量分割。
• 4.优化代码。

V1.2.4

• 1.新增线程池监控,在数据导出结束后正确停止程序。
• 2.新增配置启动前验证配置是否正确,设置配置默认值。
• 3.优化异常日志输出,更好排查问题。

V1.2.3

• 1.优化写文件操作,使用BlockingQueue队列缓存。
• 2.新增支持文件写到一定大小后进行文件切割。
• 3.新增支持SSL加密获取数据。

V1.2.2

• 1.重构代码,取消自己封装的HTTP工具，使用官方RestClient工具。
• 2.新增支持多线程拉取ES数据。

V1.0.1

• 1.实现单线程导出数据。

Supported

Elasticsearch version	support
>= 6.0.0	yes
>= 5.0.0	not test
>= 2.0.0	not test
<= 1	not test

Running

可以直接取build文件夹下已经编译好的包，或者运行以下命令自行编译

$git clone git://github.com/760515805/es_data_export.git
$cd es_data_export

如果已经安装了ant环境和maven环境则可以使用以下操作

$ant 
$cd build
$vim export.properties
$./run.sh

如果只安装了maven环境则如下操作

$mvn clean package
$cp export.properties run.sh stop.sh logback.xml  target/
$cd target
$vim export.properties
$./run.sh

切记修改export.properties文件

Development

1.运行环境

• IDE：IntelliJ IDEA或者Eclipse
• 项目构建工具：Maven

2.初始化项目

• 打开IntelliJ IDEA，将项目导入
• 修改export.properties文件配置
• 运行App.java执行

配置文件名词解释

common.thread_size

获取数据线程数据,最大不超过索引的shards数量和CPU数量,默认为1

elasticsearch.index

数据索引

elasticsearch.document_type

 索引type,无则可留空,ES7.0以后删除

elasticsearch.query

查询条件DSL,必须为ES的查询语句,可留空,默认:查询全部,条数1000

elasticsearch.includes

取哪些字段的数据,逗号隔开,如果全部取则设为空

elasticsearch.hosts

ES集群IP地址,逗号隔开,如:192.169.2.98:9200,192.169.2.156:9200,192.169.2.188:9200

elasticsearch.username

如有帐号密码则填写,如果无则留空

elasticsearch.password

如有帐号密码则填写,如果无则留空

elasticsearch.ssl_type

SSL类型

elasticsearch.ssl_keystorepath

密钥地址,文件地址

elasticsearch.ssl_keystorepass

密钥密码

file.enabled

是否启用写文件标志位，默认false

file.datalayout

输出源数据形式,目前支持json、txt、sql,如果为txt字段间是用逗号隔开,默认:json

file.field_split

当datalayout=txt时字段以什么分割,不设置则默认英文逗号隔开

file.field_sort

 当datalayout=txt时字段输出顺序,必须和索引表字段名一样,有效防止数据混乱,逗号隔开逗号隔开

file.need_field_name

当datalayout=txt时是否需要字段名字,默认:false,设置为true时以此以下形式输出类似:fieldName1=fieldValue1,fieldName2=fieldValue2

file.sql_format

当datalayout=txt时所输出的sql格式,如:INSERT INTO test (phone,msgcode) VALUES (#param{phone},123);其中取ES参数为#param{字段名}

file.linefeed

导出数据写入文件每条数据是否需要换行,默认:true

file.filepath

数据输出文件路径,必填字段

file.filename

输出的文件名,无则取默认:index

file.max_filesize

每个文件多大进行分割,需要则设置该项,实际是有误差的,如果不需要分割文件留空即可,单位:KB

file.custom_field_name

自定义字段名,将库里该字段取出来后换为该字段名,原字段名:替换后的字段名,多个逗号隔开,如phone:telphone

db.enabled

是否启用写入数据库

db.jdbc_driver_library

驱动jar包地址，如lib/mysql-connector-java-5.1.47.jar，可以自定义自己数据库版本的驱动包，指定地址即可

db.jdbc_connection_string

数据库连接,如:jdbc:sqlserver://192.169.2.203:1433;DatabaseName=db_phone_sa_center

db.jdbc_driver_class

数据库驱动程序，如:com.mysql.jdbc.Driver

db.jdbc_user

数据库用户名

db.jdbc_password

数据库密码

db.jdbc_template

插入数据模版,其中#param{ES字段}来取ES的值，如：INSERT INTO test111 (name) VALUES (#param{simuid})

db.jdbc_size

单批次最大插入多少,默认10000

db.jdbc_write_thread_size

同时写DB线程数,默认1

线程池设置

关于threadSize设置设置为多少合适,这里给出的权重是
CPU核数>Shards>配置设置
意思是配置的设置不能大于CPU核数也不能大于索引的shards数量。
比如我是8核的机器,shards为15,配置设置20,最后取的线程数是8
如果我是8核的机器,shards为15,配置设置7，最后取的是 7

联系作者

QQ:760515805

wx:chj-95