Amazon web services 如何清除AWS CloudSearch中的所有数据?
我有一个AWS CloudSearch实例,我仍在开发中 有时,例如当我对字段的格式进行一些修改时,我发现自己想要删除所有数据并重新生成它 是否有任何方法可以使用控制台清除所有数据,或者我必须通过编程方式进行清除 如果我必须使用编程方式(即生成并发布一堆“删除”SDF文件),有没有好的方法可以查询CloudSearch实例中的所有文档Amazon web services 如何清除AWS CloudSearch中的所有数据?,amazon-web-services,amazon-cloudsearch,Amazon Web Services,Amazon Cloudsearch,我有一个AWS CloudSearch实例,我仍在开发中 有时,例如当我对字段的格式进行一些修改时,我发现自己想要删除所有数据并重新生成它 是否有任何方法可以使用控制台清除所有数据,或者我必须通过编程方式进行清除 如果我必须使用编程方式(即生成并发布一堆“删除”SDF文件),有没有好的方法可以查询CloudSearch实例中的所有文档 我想我可以删除并重新创建该实例,但这需要一段时间,并且会丢失所有索引/排名表达式/文本选项/etc我能找到的最佳答案多少隐藏在AWS文档中。也就是说: Amazo
我想我可以删除并重新创建该实例,但这需要一段时间,并且会丢失所有索引/排名表达式/文本选项/etc我能找到的最佳答案多少隐藏在AWS文档中。也就是说: Amazon CloudSearch目前不提供删除机制 域中的所有文档。但是,您可以克隆域 使用空域重新开始的配置。更多 有关详细信息,请参阅
来源:我一直在做以下工作,使用python适配器boto清空cloudsearch。不漂亮,但它完成了任务。困难的部分是平衡您获取的数量是否在cloudsearch 5mb限制内
count = CloudSearchAdaptor.Instance().get_total_documents()
while count > 0:
results = CloudSearchAdaptor.Instance().search("lolzcat|-lolzcat", 'simple', 1000)
for doc in results.docs:
CloudSearchAdaptor.Instance().delete(doc['id'])
CloudSearchAdaptor.Instance().commit()
#add delay here if cloudsearch takes to long to propigate delete change
count = CloudSearchAdaptor.Instance().get_total_documents()
Cloudsearch适配器类如下所示:
from boto.cloudsearch2.layer2 import Layer2
from singleton import Singleton
@Singleton
class CloudSearchAdaptor:
def __init__(self):
layer2 = Layer2(
aws_access_key_id='AWS_ACCESS_KEY_ID',
aws_secret_access_key='AWS_SECRET_ACCESS_KEY',
region='AWS_REGION'
)
self.domain = layer2.lookup('AWS_DOMAIN'))
self.doc_service = self.domain.get_document_service()
self.search_service = self.domain.get_search_service()
@staticmethod
def delete(id):
instance = CloudSearchAdaptor.Instance()
try:
response = instance.doc_service.delete(id)
except Exception as e:
print 'Error deleting to CloudSearch'
@staticmethod
def search(query, parser='structured', size=1000):
instance = CloudSearchAdaptor.Instance()
try:
results = instance.search_service.search(q=query, parser=parser, size=size)
return results
except Exception as e:
print 'Error searching CloudSearch'
@staticmethod
def get_total_documents():
instance = CloudSearchAdaptor.Instance()
try:
results = instance.search_service.search(q='matchall', parser='structured', size=0)
return results.hits
except Exception as e:
print 'Error getting total documents from CloudSearch'
@staticmethod
def commit():
try:
response = CloudSearchAdaptor.Instance().doc_service.commit()
CloudSearchAdaptor.Instance().doc_service.clear_sdf()
except Exception as e:
print 'Error committing to CloudSearch'
在PHP上,我使用AWS PHP SDK创建了一个用于清理所有记录的脚本: clean.php- config.php- 你需要在config.php上配置你的密钥,在clean.php上配置你的端点,下载AWS php SDK,你就可以开始了
注意,它最多只能清理10000个文档,因为Amazon有一个限制。在我这边,我使用了一个本地nodejs脚本,如下所示:
var AWS = require('aws-sdk');
AWS.config.update({
accessKeyId: '<your AccessKey>',
secretAccessKey: '<Your secretAccessKey>',
region: '<your region>',
endpoint: '<your CloudSearch endpoint'
});
var params = {
query:"(or <your facet.FIELD:'<one facet value>' facet.FIELD:'<one facet value>')",
queryParser:'structured'
};
var cloudsearchdomain = new AWS.CloudSearchDomain(params);
cloudsearchdomain.search(params, function(err, data) {
var fs = require('fs');
var result = [];
if (err) {
console.log("Failed");
console.log(err);
} else {
resultMessage = data;
for(var i=0;i<data.hits.hit.length;i++){
result.push({"type":"delete","id":data.hits.hit[i].id});
}
fs.writeFile("delete.json", JSON.stringify(result), function(err) {
if(err) {return console.log(err);}
console.log("The file was saved!");
});
}
});
var AWS=require('AWS-sdk');
AWS.config.update({
accessKeyId:“”,
secretAccessKey:“”,
区域:“”,
端点:'Java版本,以清除云搜索域中的所有数据:
private static final AmazonCloudSearchDomain cloudSearch = Region
.getRegion(Regions.fromName(CommonConfiguration.REGION_NAME))
.createClient(AmazonCloudSearchDomainClient.class, null, null)
.withEndpoint(CommonConfiguration.SEARCH_DOMAIN_DOCUMENT_ENDPOINT);
public static void main(String[] args) {
// retrieve all documents from cloud search
SearchRequest searchRequest = new SearchRequest().withQuery("matchall").withQueryParser(QueryParser.Structured);
Hits hits = cloudSearch.search(searchRequest).getHits();
if (hits.getFound() != 0) {
StringBuffer sb = new StringBuffer();
sb.append("[");
int i = 1;
// construct JSON to delete all
for (Hit hit : hits.getHit()) {
sb.append("{\"type\": \"delete\", \"id\": \"").append(hit.getId()).append("\"}");
if (i < hits.getHit().size()) {
sb.append(",");
}
i++;
}
sb.append("]");
// send to cloud search
InputStream documents = IOUtils.toInputStream(sb.toString());
UploadDocumentsRequest uploadDocumentsRequest = new UploadDocumentsRequest()
.withContentType("application/json").withDocuments(documents).withContentLength((long) sb.length());
cloudSearch.uploadDocuments(uploadDocumentsRequest);
}
}
private static final AmazonCloudSearchDomain cloudSearch=区域
.getRegion(Regions.fromName(CommonConfiguration.REGION\u NAME))
.createClient(AmazonCloudSearchDomainClient.class,null,null)
.withEndpoint(CommonConfiguration.SEARCH\u DOMAIN\u DOCUMENT\u ENDPOINT);
公共静态void main(字符串[]args){
//从云搜索检索所有文档
SearchRequest SearchRequest=new SearchRequest().withQuery(“matchall”).withQueryParser(QueryParser.Structured);
Hits Hits=cloudSearch.search(searchRequest).getHits();
如果(hits.getFound()!=0){
StringBuffer sb=新的StringBuffer();
某人加上(“[”);
int i=1;
//构造JSON以删除所有
for(Hit-Hit:hits.getHit()){
sb.append(“{\”type\”:“delete\”,“id\”:\”).append(hit.getId()).append(“\”);
如果(i
使用命令行和从命令行(在mac上使用bash进行测试):
导出CS\u域=https://yoursearchdomain.yourregion.cloudsearch.amazonaws.com
#获取所有现有文档的ID,格式为
#[{type:“delete”,id:“id”},…]使用jq
aws cloudsearchdomain搜索\
--端点url=$CS\u域\
--尺寸=10000\
--查询解析器=结构化\
--搜索查询=“匹配所有”\
|jq'[.hits.hit[]|{type:“delete”,id:.id}'\
>delete-all.json
#删除文件
aws cloudsearchdomain上载文档\
--端点url=$CS\u域\
--content type='application/json'\
--documents=delete-all.json
有关jq的更多信息,请参阅
2017年2月22日更新
添加了--size
以获取最大文档数(10000)一次。您可能需要多次重复此脚本。此外,--search query
可以采取更具体的操作,如果您希望对删除的文档进行选择。我已为其创建了PowerShell脚本。请查看我的网站:
脚本:
$searchUrl = '[SEARCH_URL]'
$documentUrl = '[DOCUMENT_URL]'
$parser = 'Lucene'
$querySize = 500
function Get-DomainHits()
{
(Search-CSDDocuments -ServiceUrl $searchUrl -Query "*:*" -QueryParser $parser -Size $querySize).Hits;
}
function Get-TotalDocuments()
{
(Get-DomainHits).Found
}
function Delete-Documents()
{
(Get-DomainHits).Hit | ForEach-Object -begin { $batch = '[' } -process { $batch += '{"type":"delete","id":' + $_.id + '},'} -end { $batch = $batch.Remove($batch.Length - 1, 1); $batch += ']' }
Try
{
Invoke-WebRequest -Uri $documentUrl -Method POST -Body $batch -ContentType 'application/json'
}
Catch
{
$_.Exception
$_.Exception.Message
}
}
$total = Get-TotalDocuments
while($total -ne 0)
{
Delete-Documents
$total = Get-TotalDocuments
Write-Host 'Documents left:'$total
# Sleep for 1 second to give CS time to delete documents
sleep 1
}
您可以手动将文档批直接上传到AWS CloudSearch,Dashboard>upload document。
如果可以枚举所有要删除的索引id,则可以创建脚本以生成文档批处理或手动生成
文档批处理格式应如下所示
sample.json
[
{
"type": "delete",
"id": "1"
},
{
"type": "delete",
"id": "2"
}
]
如何枚举所有索引-运行测试搜索
- 搜索:id:*(或您确定所有人都可以使用的任何字段)
- 查询解析器:Lucene
创建一个脚本来创建包含所有参数的搜索域Sigh;希望他们能添加这样做的方法。我喜欢在意外情况下单击做坏事的按钮!同意此功能应该更简单。此外,您的链接似乎不再包含任何有关克隆域的信息……但我在–unfortun找到了此信息对于我来说,这个过程无限期地挂起,除了已经不理想之外,因为我必须跟踪对端点的所有引用以进行更新。而且它现在似乎完全消失了。因此,这个答案似乎不再是答案。它消失了…=/如果您有必填字段,查询可能会更有效率(在我的例子中是应用程序名称。然后,它将是查询:“(不是应用程序名称:”)
谢谢,这非常有效。我必须将size参数添加到搜索中以获取我的所有文档。re's a bash脚本使用@kevin tonon的答案,并添加循环以及状态输出,告诉您有多少文档:
[
{
"type": "delete",
"id": "1"
},
{
"type": "delete",
"id": "2"
}
]