這個(gè)標(biāo)題肯定繞暈很多人吧。具體說明一下場景就明白了：Nginx 和 Apache 的訪問日志，因?yàn)槎紝儆诰W(wǎng)站訪問，所以寫入到同一個(gè)索引的不同類型下，比方 logstash-accesslog-2015.04.03/nginx 和 logstash-accesslog-2015.04.03/apache。既然都是訪問日志，肯定很多字段的內(nèi)容含義是雷同的，比如 clientip, domain, urlpath 等等。其中 nginx 有一個(gè)變量叫 $request_time，apache 有一個(gè)變量叫 %T，乍看上去也是同義的，我就統(tǒng)一命名為 “requestTime” 了。這就是”同一索引(logstash-accesslog-YYYY.MM.DD)下不同類型(nginx,apache)的同名字段(requestTime)”。
但事實(shí)上，這里有個(gè)問題：nginx 中的以秒為單位，是把毫秒算作小數(shù)；apache 中的以秒為單位，是真的只記秒鐘整數(shù)位！
所以，這兩個(gè)類型生成的映射在這個(gè)字段上是不一致的。nginx 類型的 requestTime 是 double，apache 類型的 requestTime 是 long。
不過平常看起來似乎也沒什么影響，寫入數(shù)據(jù)都照常，查看數(shù)據(jù)的時(shí)候默認(rèn)顯示的 JSON 也各自無異。直到我準(zhǔn)備用一把 scripted field 的時(shí)候，發(fā)現(xiàn)計(jì)算 doc['requestTime'].value * 1000 得到的數(shù)都大的嚇人！
因?yàn)轭愃朴?jì)算之前在只有 nginx 日志入庫的時(shí)候曾經(jīng)正確運(yùn)行過，所以只能是猜測 apache 日志對此造成了影響，但是即使我把請求修改成限定在 nginx 類型數(shù)據(jù)中進(jìn)行，結(jié)果也沒發(fā)生變化。
仔細(xì)閱讀 scripting module 的文檔，其中提到了 doc['fieldname'].value 和 _source.fieldname 兩種寫法的區(qū)別：前者會利用內(nèi)存中的數(shù)據(jù)，而后者強(qiáng)制讀取磁盤上 _source 存儲的 JSON 內(nèi)容，從中釋放出相應(yīng)字段內(nèi)容。莫非是 requestTime 字段跟 _source JSON 里存的數(shù)據(jù)確實(shí)不一樣，而我們平常搜索查看的都是從 JSON 里釋放出來的，所以才會如此？
為了驗(yàn)證我的猜測，做了一個(gè)請求測試：
# curl es.domain.com:9200/logstash-accesslog-2015.04.03/nginx/_search?q=_id:AUx-QvSBS-dhpiB8_1f1&pretty -d '{
"fields": ["requestTime", "bodySent"],
"script_fields" : {
"test1" : {
"script" : "doc["requestTime"].value"
},
"test3" : {
"script" : "_source.bodySent / _source.requestTime"
},
"test2" : {
"script" : "doc["requestTime"].value * 1000"
}
}
}'
得到的結(jié)果如下：
{
"took" : 43,
"timed_out" : false,
"_shards" : {
"total" : 56,
"successful" : 56,
"failed" : 0
},
"hits" : {
"total" : 1,
"max_score" : 1.0,
"hits" : [ {
"_index" : "logstash-accesslog-2015.04.03",
"_type" : "nginx",
"_id" : "AUx-QvSBS-dhpiB8_1f1",
"_score" : 1.0,
"fields" : {
"test1" : [ 4603039107142836552 ],
"test2" : [ -8646911284551352000 ],
"requestTime" : [ 0.54 ],
"test3" : [ 2444.4444444444443 ],
"bodySent" : [ 1320 ]
}
} ]
}
}
果然！直接讀取的字段，以及采用 _source.fieldname 方式讀取的內(nèi)容，都是正確的；而采用 doc['fieldname'].value 獲取的內(nèi)存數(shù)據(jù)，就不對。（0.54 存成 long 型會變成 4603039107142836552。這個(gè) 460 還正好能跟 540 湊成 1000，應(yīng)該是某種特定存法，不過這里我就沒深究了）
再作下一步驗(yàn)證。我們知道，ES 數(shù)據(jù)的映射是根據(jù)第一條數(shù)據(jù)的類型確定的，之后的數(shù)據(jù)如何類型跟已經(jīng)成型的映射不統(tǒng)一，那么寫入會失敗。現(xiàn)在這個(gè) nginx 和 apache 兩個(gè)類型在 requestTime 字段上的映射是不一樣的，但是內(nèi)存里卻并沒有按照映射來處理。那么，我往一個(gè)類型下寫入另一個(gè)類型映射要求的數(shù)據(jù)，會報(bào)錯(cuò)還是會通過呢？
# curl -XPOST es.domain.com:9200/test/t1/1 -d '{"key":1}'
{"_index":"test","_type":"t1","_id":"1","_version":1,"created":true}
# curl -XPOST es.domain.com:9200/test/t2/1 -d '{"key":2.2}'
{"_index":"test","_type":"t2","_id":"1","_version":1,"created":true}
# curl -XPOST es.domain.com:9200/test/t1/2 -d '{"key":2.2}'
{"_index":"test","_type":"t1","_id":"2","_version":1,"created":true}
# curl -XPOST es.domain.com:9200/test/t2/2 -d '{"key":1}'
{"_index":"test","_type":"t2","_id":"2","_version":1,"created":true}
# curl -XPOST es.domain.com:9200/test/t1/3 -d '{"key":"1"}'
{"_index":"test","_type":"t1","_id":"3","_version":1,"created":true}
# curl -XPOST es.domain.com:9200/test/t2/3 -d '{"key":"1"}'
{"_index":"test","_type":"t2","_id":"3","_version":1,"created":true}
# curl -XPOST es.domain.com:9200/test/t2/4 -d '{"key":"abc"}'
{"error":"RemoteTransportException[[10.10.10.10][inet[/10.10.10.10:9300]][indices:data/write/index]]; nested: MapperParsingException[failed to parse [key]]; nested: NumberFormatException[For input string: "abc"]; ","status":400}
# curl -XGET es.domain.com:9200/test/_mapping
{"test":{"mappings":{"t1":{"properties":{"key":{"type":"long"}}},"t2":{"properties":{"key":{"type":"double"}}}}}}
結(jié)果出來了，在映射相互沖突以后，實(shí)際數(shù)據(jù)只要是 numeric detect 能通過的，就都通過了！
BTW: kibana 4 中，已經(jīng)會對這種情況以黃色感嘆號圖標(biāo)做出提示；而根據(jù)官方消息，ES 未來會在 2.0 版正式杜絕這種可能。
更多信息請查看IT技術(shù)專欄
公眾號
事業(yè)單位
當(dāng)前位置：
公考類
招聘類
各類考試