elasticsearch数据增加并在每次重新启动时重复

Question

我在Windows
7上将Elasticsearch与angularjs和oracle一起使用，它的工作原理越来越好（感谢stackoverflower帮助）。我对Elasticsearch有一个问题：我文档中的元素数量正在增加，我不知道为什么/如何做。我的由Elasticsearch索引的oracle表包含12010个元素，现在我在弹性文档中得到了84070个元素（通常由curl
_count检查）：因此它现在将数据重复了7次。我几天前重新索引了表格，但之前删除了elasticsearch“ data”文件夹。

每次我重新启动Windows，数据似乎都会增加。

感谢帮助。

这是我安装和索引数据的方式：

我只是第一次这样做：

• 解压文件夹中的弹性文件：D：\ work \ elasticsearch-1.3.1 \
• 安装Web界面：> plugin -install mobz / elasticsearch-head
• install jdbc：>插件–install jdbc –url http://xbib.org/repository/org/xbib/elasticsearch/plugin/elasticsearch-river-jdbc/1.3.0.0/elasticsearch-river-jdbc-1.3.0.0- plugin.zip
• 复制“ ojdbc6-11.2.0.3.jar”到“ D：\ work \ elasticsearch-1.3.1 \ plugins \ jdbc”
• service.bat安装
• service.bat开始

建立索引

curl -XPOST 'localhost:9200/donnees'

映射：

curl -XPUT 'localhost:9200/donnees/specimens/_mapping' -d '{
"specimens" : {
    "_all" : {"enabled" : true},
    "_index" : {"enabled" : true},
    "_id" : {"index": "not_analyzed", "store" : false},
    "properties" : {
        "O_OCCURRENCEID"                                : {"type" : "string",   "store" : "no","index": "not_analyzed"  } ,
            .... 
        "I_INSTITUTIONCODE"                             : {"type" : "string",   "store" : "yes","index": "analyzed" } 
    }
}}'

查询oracle和索引数据：

curl -XPUT 'localhost:9200/_river/donnees_s/_meta' -d '{
 "type" : "jdbc",
 "jdbc" : {
    "index" : "donnees",
    "type" : "specimens",
    "url" : "jdbc:oracle:thin:@localhost:1523:recolnat",
     "user" : "user",
     "password" : "password",
     "sql" : "select * from all_specimens_data"
   }
}'

（这是正确的吗？如果我将“ curl -XPUT’localhost：9200 / donnees / specimens / _meta”替换为“
curl -XPUT’localhost：9200 / _river / donnees_s / _meta’”，则无法使用查询）

测试：

curl -XGET 'http://localhost:9200/donnees/specimens/_count?q=*'
    => 12010
curl -XGET 'http://localhost:9200/donnees/specimens/_search?q=P00009359'
    => return data ok

Answer 1

已解决，感谢Konstantin V. Salikhov。

每次elasticsearch服务启动时，它都会使用提供给_river的sql查询数据库并获取数据（请参见前面的“查询oracle和索引数据：”）。如果数据中没有“
_id”列，则_river无法确定其已加载了哪些记录，并且每次都重复数据。为了避免重复，我在数据库中编辑了我的“
all_specimens_data”表（实际上是避免修改数据库的视图），并将“ O_OCCURRENCEID”重命名为“ _id”，“
O_OCCURRENCEID”是我的主键UUID。

希望这对其他人有帮助