Spark拉取es数据为parquet文件映射到Hive

package com.lz

import org.apache.spark.sql.SparkSession
import org.elasticsearch.hadoop.cfg.ConfigurationOptions

import scala.collection.Map

object Es2Hive {
  def main(args: Array[String]): Unit = {
    val spark: SparkSession = SparkSession.builder()
      .appName("es2file by spark")
      .config("spark.sql.parquet.binaryAsString", true)
      .config("spark.serializer", "org.apache.spark.serializer.KryoSerializer")
      .config("spark.sql.autoBroadcastJoinThreshold", "-1")
      .config("spark.io.compression.codec", "snappy")
      .config("spark.dynamicAllocation.enabled", "true")
      .getOrCreate()


    import org.elasticsearch.spark.sql._
    val cfg = Map(
      ConfigurationOptions.ES_NODES -> "ip",
      ConfigurationOptions.ES_PORT -> "9200",
      ConfigurationOptions.ES_SCROLL_SIZE -> "100",
      ConfigurationOptions.ES_MAX_DOCS_PER_PARTITION -> "10000",
      ConfigurationOptions.ES_HTTP_TIMEOUT -> "15m",
      ConfigurationOptions.ES_SCROLL_KEEPALIVE -> "10m",
      ConfigurationOptions.ES_BATCH_SIZE_BYTES -> "5mb",
      ConfigurationOptions.ES_BATCH_SIZE_ENTRIES -> "10",
      "es.internal.spark.sql.pushdown" -> "true")

    val frame = spark
      .esDF("article1/article", cfg)

    frame
      .repartition(5)
      .write
      .mode("overwrite")
      .option("header", "true")
      .parquet("/zhtmp/test03")
    spark.close()
  }
}

查看文件提取字段名,hive建表映射数据:

parquet-tools meta part-00000-c0b052bc-d65d-4643-85df-62d01c7f28fb-c000.snappy.parquet

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值