ES 创建太多 buckets 错误： trying to create too many buckets. must be less than or equal to: [100000] but w-Toy模板网

这篇具有很好参考价值的文章主要介绍了ES 创建太多 buckets 错误： trying to create too many buckets. must be less than or equal to: [100000] but w。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

ES 创建太多 buckets 错误： trying to create too many buckets. must be less than or equal to: [100000] but was [100001].

错误描述：

trying to create too many buckets. must be less than or equal to: [100000] but was [100001]. this limit can be set by changing the [search.max_buckets] cluster level setting.

一般的解决方法 调大 search.max_buckets 的值，在 kibana 中直接执行下列语句：

PUT /_cluster/settings
{
  "persistent": {
    "search.max_buckets": 20000
  }
}

如果你的服务器能撑住，或者自身评估直接扩大并无问题，那么本文的阅读就可以到此为止了

但是我对扩张 search.max_buckets 感到担忧怎么办？

我们跟踪一个例子向下探索解决方案。

显然 es 默认设置 10000 的上限是有原因的，这块需要对你的服务器性能有一个评估，考虑你的 es 服务是否能撑得住这种大量的聚合计算，冒然扩大限制可能导致服务的崩溃。

如果预计的 buckets 数量级别过大，就需要结合具体场景分析在查询层面进行优化。

Tips 最终解决思路请直接移步文末

我这里实际遇到的需求场景是：

目前需要对用户在工作流中的自定义字段进行聚合

需要计算出当前工作流任务中自定义字段选项的分布情况（仅支持单选、多选、多级选择）。

例如有个自定义字段是 ”地区“ 其中有选项 ”北京“ ”上海“ ，那么就需要算出填选了北京的任务有多少个上海的任务有多少个

ES 创建太多 buckets 错误： trying to create too many buckets. must be less than or equal to: [100000] but w

// 一个最简原型 mapping
{
  "work_flow" : {
    "mappings" : {
      "properties" : {
        "create_time" : {
          "type" : "date"
        },
        "fields" : {
          "type" : "nested",
          "properties" : {
            "field_id" : {
              "type" : "long"
            },
            "field_type" : {
              "type" : "long"
            },
            "field_value" : {
              "type" : "text"
            },
            "field_value_key" : {
              "type" : "keyword"
            }
          }
        },
        "group_id" : {
          "type" : "long"
        },
        "task_id" : {
          "type" : "long"
        }
      }
    }
  }
}

虽然我们需求上限制了仅支持单选、多选、多级选择，但是自定义字段的 es index 是在一起的，上述需求聚合时免不了要对字段值进行分桶聚合，此时就会将可以开放填写的文本字段也聚合进来，即使这个字段值仅仅只有 1 个任务匹配。当这个工作流中的任务基数足够大的时候就会产生分桶爆炸。

GET /work_flow/_search
{
  "size": 0,
  "timeout": "5s",
  "query": {
    "bool": {
      "must": [
        {
          "term": {
            "group_id": 666
          }
        },
        {
          "range": {
            "create_time": {
              "from": 1625068800000,
              "to": 1627487999000
            }
          }
        }
      ]
    }
  },
  "track_total_hits": false,
  "aggregations": {
    "fields": {
      "nested": {
        "path": "fields"
      },
      "aggregations": {
        "fields.field_id": {
          "terms": {
            "field": "fields.field_id",
            "size": 2147483647
          },
          "aggregations": {
            "fields.field_value_key": {
              "terms": {
                "field": "fields.field_value_key",
                "size": 2147483647
              }
            }
          }
        }
      }
    }
  }
}

有一个思路是对字段类型进行过滤后进行聚合，这个思路看似是可行的，但是忽略了一个问题，当前索引是以任务为基本单位存储数据的，自定义字段仅仅是附属值，而一个任务可能多个自定义字段都有值，所以这个过滤可以生效，但是效果并不大。而且如果你存了其他自定义字段的空值，这个过滤就完全没有效果了。但是聊胜于无，在查询时加下空串判断

GET /work_flow/_search
{
  "size": 0,
  "timeout": "5s",
  "query": {
    "bool": {
      "must": [
        {
          "range": {
            "create_time": {
              "from": 1635696000000,
              "to": 1638201599000
            }
          }
        }
      ],
      "filter": [
        {
          "term": {
            "group_id": 666
          }
        },
        {
          "nested": {
            "query": {
              "bool": {
                "must": [
                  {
                    "terms": {
                      "fields.field_type": [
                        2,
                        4,
                        5
                      ]
                    }
                  }
                ],
                "must_not": {
                  "term":{
                    "fields.field_value_key":""
                  }
                }
              }
            },
            "path": "fields"
          }
        }
      ]
    }
  },
  "track_total_hits": false,
  "aggregations": {
    "fields": {
      "nested": {
        "path": "fields"
      },
     
      "aggregations": {
        "fields.field_id": {
          "terms": {
            "field": "fields.field_id",
            "size": 2147483647
          },
          "aggregations": {
            "fields.field_value_key": {
              "terms": {
                "field": "fields.field_value_key",
                "size": 2147483647
              }
            }
          }
        }
      }
    }
  }
}

重新整理一下现在的问题：

es 首先根据我们的要求找到了目标工作流，并且过滤剩下了只包含了单选，多选，多级选择的任务 但是这些任务数据中同时可能包含其他自定义字段 之后 es 进行聚合统计，这里导致 trying to create too many buckets 的原因就是我们虽然进行了过滤，但最终数据不可避免的有无效数据参与了分桶。

基于上述的梳理，我大概有以下几个方案

方案：

为这类查询单独建立一个索引（维护代价较大）。
分页
调小聚合 size

这里采用 2、3 结合的方式进行处理聚合 size 考虑给到 200 ，具体可以根据场景进行调整

GET /work_flow/_search
{
  "size": 0,
  "timeout": "5s",
  "query": {
    "bool": {
      "must": [
        {
          "range": {
            "create_time": {
              "from": 1635696000000,
              "to": 1638201599000
            }
          }
        }
      ],
      "filter": [
        {
          "term": {
            "group_id": 666
          }
        },
        {
          "nested": {
            "query": {
              "bool": {
                "must": [
                  {
                    "terms": {
                      "fields.field_type": [
                        2,
                        4,
                        5
                      ]
                    }
                  }
                ],
                "must_not": {
                  "term":{
                    "fields.field_value_key":""
                  }
                }
              }
            },
            "path": "fields"
          }
        }
      ]
    }
  },
  "track_total_hits": false,
  "aggregations": {
    "fields": {
      "nested": {
        "path": "fields"
      },
     
      "aggregations": {
        "fields.field_id": {
          "composite": {
            "size": 5,
            "sources": [
              {
                "fields": {
                  "terms": {
                    "field": "fields.field_id"
                  }
                }
              }
            ]
          },
          "aggregations": {
            "fields.field_value_key": {
              "terms": {
                "field": "fields.field_value_key",
                "size": 200
              }
            }
          }
        }
      }
    }
  }
}

这里对 fieldId 进行了分页，加入了 composite

          "composite": {
            "size": 5,
            "sources": [
              {
                "fields": {
                  "terms": {
                    "field": "fields.field_id"
                  }
                }
              }
            ]
          },

返回时会返回 after_key 下次请求时带上

"fields.field_id" : {
        "after_key" : {
          "fields" : 185
}

"fields.field_id": {
          "composite": {
            "size": 1,
            "sources": [
              {
                "fields": {
                  "terms": {
                    "field": "fields.field_id"
                  }
                }
              }
            ],
            "after": {"fields":185}
},

这里 DSL 的思路已经搞定了，那么在 Java 代码层面，只需要进行分页分部查询，最后聚合数据即可。

最终解决思路：文章来源地址https://www.toymoban.com/news/detail-471211.html

缩小聚合数据范围 （探寻所有可用的限制条件，能限制尽量限制）
使用 composite 对聚合数据分页 （es 查询分页在代码层面最终聚合结果）
调整合适的 size 大小 （如果你的聚合项有冗余数据，可以考虑调小结果 size）

到了这里，关于ES 创建太多 buckets 错误： trying to create too many buckets. must be less than or equal to: [100000] but w的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！