Sto appena iniziando con elasticsearch. Il nostro requisito ci obbliga a indicizzare migliaia di file PDF e sto avendo difficoltà a trovare solo UNO di essi per indicizzare correttamente.Elasticsearch Parse Errore di eccezione durante il tentativo di indicizzare PDF
Installato il plug-in Attachment Type e ottenuto risposta: .
Seguito il Attachment Type in Action tutorial ma il processo si blocca e Non so come interpretare il messaggio di errore. Ho provato anche lo gist che si blocca nello stesso posto.
$ curl -X POST "localhost:9200/test/attachment/" -d json.file
{"error":"ElasticSearchParseException[Failed to derive xcontent from (offset=0, length=9): [106, 115, 111, 110, 46, 102, 105, 108, 101]]","status":400}
Maggiori dettagli:
Il json.file
contiene un file PDF incorporato Base64 (come da istruzioni). La prima riga del file appare corretta (per me comunque): {"file":"JVBERi0xLjQNJeLjz9MNCjE1OCAwIG9iaiA8
...
non sono sicuro se forse la json.file
non è valido o se forse elasticsearch semplicemente non è impostato per analizzare i file PDF in modo corretto? !?
Encoding - Ecco come stiamo codifica il PDF in json.file
(come da tutorial):
coded=`cat fn6742.pdf | perl -MMIME::Base64 -ne 'print encode_base64($_)'`
json="{\"file\":\"${coded}\"}"
echo "$json" > json.file
anche provato:
coded=`openssl base64 -in fn6742.pdf
registro:
[2012-06-07 12:32:16,742][DEBUG][action.index ] [Bailey, Paul] [test][0], node[AHLHFKBWSsuPnTIRVhNcuw], [P], s[STARTED]: Failed to execute [index {[test][attachment][DauMB-vtTIaYGyKD4P8Y_w], source[json.file]}]
org.elasticsearch.ElasticSearchParseException: Failed to derive xcontent from (offset=0, length=9): [106, 115, 111, 110, 46, 102, 105, 108, 101]
at org.elasticsearch.common.xcontent.XContentFactory.xContent(XContentFactory.java:147)
at org.elasticsearch.common.xcontent.XContentHelper.createParser(XContentHelper.java:50)
at org.elasticsearch.index.mapper.DocumentMapper.parse(DocumentMapper.java:451)
at org.elasticsearch.index.mapper.DocumentMapper.parse(DocumentMapper.java:437)
at org.elasticsearch.index.shard.service.InternalIndexShard.prepareCreate(InternalIndexShard.java:290)
at org.elasticsearch.action.index.TransportIndexAction.shardOperationOnPrimary(TransportIndexAction.java:210)
at org.elasticsearch.action.support.replication.TransportShardReplicationOperationAction$AsyncShardOperationAction.performOnPrimary(TransportShardReplicationOperationAction.java:532)
at org.elasticsearch.action.support.replication.TransportShardReplicationOperationAction$AsyncShardOperationAction$1.run(TransportShardReplicationOperationAction.java:430)
at java.util.concurrent.ThreadPoolExecutor$Worker.runTask(ThreadPoolExecutor.java:886)
at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:908)
at java.lang.Thread.run(Thread.java:680)
Spero che qualcuno possa aiutarmi a vedere cosa mi manca o che ho sbagliato?
Ah, hai ragione! Grazie per l'aiuto! Ma, ora ho provato ad aggiungere il '@' davanti al nome del file e si blocca semplicemente senza output sul log?!? Ho bisogno di * ctrl-C * per riavere il mio guscio. Qualche idea? Forse un modo per rendere più utile il registro? – Meltemi
Potrebbe eseguire jstack e vedere dove si blocca? – imotov
Ho avuto lo stesso errore. Grazie! – ssoto