# es_data_export **Repository Path**: wangxinxx/es_data_export ## Basic Information - **Project Name**: es_data_export - **Description**: ES数据导出工具，ES data export tool，elasticsearch data export tool，elasticsearch数据导出，目前已支持全部的6.x的版本,后续跟进更低的版本。 - **Primary Language**: Java - **License**: Apache-2.0 - **Default Branch**: master - **Homepage**: https://github.com/760515805/es_data_export/ - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 29 - **Created**: 2019-01-22 - **Last Updated**: 2020-12-19 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # 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 ![Base](docs/design.png)     项目通过两个线程池实现功能,一个线程池主要从ElasticSearch获取数据,获取方式为es接口的Srcoll方式,多线程的话则通过slice切割数据.另一个线程池主要拿来写文件,使用BlockingQueue把数据缓冲到线程队列中，通过一条线程单线程写文件. # 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 https://gitee.com/hongjie95/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