Spark读写Elasticsearch

Spark读写Elasticsearch

版本说明

Spark:2.3.1

Elasticsearch: elasticsearch-6.4.0

1 Scala环境下Spark读写Elasticsearch

1.1 依赖包

1.1.1 Spark依赖
<dependency>
    <groupId>org.apache.spark</groupId>
    <artifactId>spark-core_2.11</artifactId>
    <version>${spark.version}</version>
    <exclusions>
        <exclusion>
            <groupId>com.google.guava</groupId>
            <artifactId>guava</artifactId>
        </exclusion>
    </exclusions>
</dependency>
1.1.2 Elasticeach依赖
<!--elasticsearch-->
<dependency>
    <groupId>org.elasticsearch</groupId>
    <artifactId>elasticsearch-hadoop</artifactId>
    <version>6.4.0</version>
</dependency>

1.2 RDD读写ES

使用RDD读写ES,主要是使用了SparkContext()的esRDD()和saveToEs()两个方法。但是这个两个方法需要引入es的包之后才有

import org.elasticsearch.spark._
1.2.1 写数据到ES

在这之前先写一个case class 用于创建RDD

case class Course(name: String, credit: Int)
 val conf = new SparkConf().setAppName(this.getClass.getSimpleName).setMaster("local")
    conf.set("es.nodes", "192.168.1.188")
    conf.set("es.port", "9200")
    conf.set("es.index.auto.create", "true")
    val sc = new SparkContext(conf)
 	//rdd写es
    val courseRdd = sc.makeRDD(Seq(Course("Hadoop", 4), Course("Spark", 3), Course("Kafka", 4)))
    courseRdd.saveToEs("/course/rdd")
    
1.2.2 从ES读数据
 //rdd读es
    val esCourseRdd = sc.esRDD("/course/rdd")
    esCourseRdd.foreach(c => {
      println(c.toString())
    })
    /**
      * (vNHejmUBdoXqZPoSocAx,Map(name -> Kafka, credit -> 4))
      * (u9HejmUBdoXqZPoSocAx,Map(name -> Spark, credit -> 3))
      * (utHejmUBdoXqZPoSocAx,Map(name -> Hadoop, credit -> 4))
      */

1.3 DataFrame读写ES

如果想使用spark sql读写ES同样需要引入es的包

    import org.elasticsearch.spark.sql._
1.3.1 DataFrame写数据到ES
  //dataframe写es
    val df = spark.read.format("csv").option("header", true).option("inferSchema", true).load("hdfs://192.168.1.188:9000/data/Beijing_2017_HourlyPM25_created20170803.csv")
    df.select("Year", "Month", "Day", "Hour", "Value").saveToEs("/csv/dataframe")
  
1.3.2 DataFrame从ES读数据
//dataframe读es
    val esDf = spark.esDF("/csv/dataframe")
    esDf.show()

    /**
      * +---+----+-----+-----+----+
      * |Day|Hour|Month|Value|Year|
      * +---+----+-----+-----+----+
      * |  1|   0|    1|  505|2017|
      * |  1|   2|    1|  466|2017|
      * |  1|  14|    1|  596|2017|
      * |  1|  17|    1|  522|2017|
      * |  1|  21|    1|  452|2017|
      * |  2|   1|    1|  466|2017|
      * |  2|   7|    1|   93|2017|
      * |  2|   8|    1|   27|2017|
      * |  2|   9|    1|   17|2017|
      * |  2|  13|    1|  251|2017|
      * |  2|  16|    1|  251|2017|
      * |  3|   2|    1|  341|2017|
      * |  3|   8|    1|  365|2017|
      * |  3|   9|    1|  361|2017|
      * |  3|  21|    1|  542|2017|
      * |  3|  22|    1|  548|2017|
      * |  4|   3|    1|  590|2017|
      * |  4|   6|    1|  482|2017|
      * |  4|  17|    1|  323|2017|
      * |  4|  22|    1|  369|2017|
      * +---+----+-----+-----+----+
      */

1.4 完整代码

package com.hollysys.spark.elasticsearch

import org.apache.spark.{SparkConf, SparkContext}
import org.apache.spark.sql.SparkSession

/**
  * Created by shirukai on 2018/8/31
  * spark 读写ES
  */
object EsTest {
  def main(args: Array[String]): Unit = {
    import org.elasticsearch.spark._
    import org.elasticsearch.spark.sql._
    val conf = new SparkConf().setAppName(this.getClass.getSimpleName).setMaster("local")
    conf.set("es.nodes", "192.168.1.188")
    conf.set("es.port", "9200")
    conf.set("es.index.auto.create", "true")
    val sc = new SparkContext(conf)
    val spark = SparkSession.builder.config(conf).getOrCreate()


    //rdd写es
    val courseRdd = sc.makeRDD(Seq(Course("Hadoop", 4), Course("Spark", 3), Course("Kafka", 4)))
    courseRdd.saveToEs("/course/rdd")

    //rdd读es
    val esCourseRdd = sc.esRDD("/course/rdd")
    esCourseRdd.foreach(c => {
      println(c.toString())
    })
    /**
      * (vNHejmUBdoXqZPoSocAx,Map(name -> Kafka, credit -> 4))
      * (u9HejmUBdoXqZPoSocAx,Map(name -> Spark, credit -> 3))
      * (utHejmUBdoXqZPoSocAx,Map(name -> Hadoop, credit -> 4))
      */

    //dataframe写es
    val df = spark.read.format("csv").option("header", true).option("inferSchema", true).load("hdfs://192.168.1.188:9000/data/Beijing_2017_HourlyPM25_created20170803.csv")
    df.select("Year", "Month", "Day", "Hour", "Value").saveToEs("/csv/dataframe")
    //dataframe读es
    val esDf = spark.esDF("/csv/dataframe")
    esDf.show()

    /**
      * +---+----+-----+-----+----+
      * |Day|Hour|Month|Value|Year|
      * +---+----+-----+-----+----+
      * |  1|   0|    1|  505|2017|
      * |  1|   2|    1|  466|2017|
      * |  1|  14|    1|  596|2017|
      * |  1|  17|    1|  522|2017|
      * |  1|  21|    1|  452|2017|
      * |  2|   1|    1|  466|2017|
      * |  2|   7|    1|   93|2017|
      * |  2|   8|    1|   27|2017|
      * |  2|   9|    1|   17|2017|
      * |  2|  13|    1|  251|2017|
      * |  2|  16|    1|  251|2017|
      * |  3|   2|    1|  341|2017|
      * |  3|   8|    1|  365|2017|
      * |  3|   9|    1|  361|2017|
      * |  3|  21|    1|  542|2017|
      * |  3|  22|    1|  548|2017|
      * |  4|   3|    1|  590|2017|
      * |  4|   6|    1|  482|2017|
      * |  4|  17|    1|  323|2017|
      * |  4|  22|    1|  369|2017|
      * +---+----+-----+-----+----+
      */
  }

}

case class Course(name: String, credit: Int)

2 pyspark写数据到Elasticsearch

使用pyspark写数据到Elasticsearch主要是利用的写入外部数据源,需要org.elasticsearch.spark.sql相关的jar包

2.1 下载相关jar包

使用pyspark写数据到es需要依赖elasticsearch-spark-20_2.11.jar包,可以到maven仓库下载。

下载地址:http://mvnrepository.com/artifact/org.elasticsearch/elasticsearch-spark-20_2.11/6.4.0

2.2 pyspark中使用

pyspark2es.py

# encoding: utf-8
"""
Created by shirukai on 2018/8/31
"""
from pyspark.sql import SparkSession

if __name__ == '__main__':
    spark = SparkSession.builder.appName("pyspark2es").getOrCreate()
    data = [
        (1, "Kafka"),
        (2, "Spark"),
        (3, "Hadoop")
    ]
    df = spark.createDataFrame(data, schema=['id', 'name'])
    df.write.format("org.elasticsearch.spark.sql").option("es.nodes", "192.168.1.196:9200").mode("overwrite").save(
        "pyspark2es/python")
    spark.stop()

使用spark-submit提交任务

bin/spark-submit --master local --jars /Users/shirukai/apps/spark-2.3.1/jars/elasticsearch-spark-20_2.11-6.4.0.jar  /Users/shirukai/apps/spark-2.3.1/script/pyspark2es.py
### 回答1: Spark SQL 可以通过 Elasticsearch-Hadoop 插件来读写 Elasticsearch。该插件提供了一个 Elasticsearch 数据源,可以将 Elasticsearch 中的数据作为 Spark SQL 表进行查询和分析。 要使用 Elasticsearch-Hadoop 插件,需要在 Spark 配置文件中添加以下配置: ``` spark.es.nodes=<Elasticsearch 节点 IP> spark.es.port=<Elasticsearch 节点端口> ``` 然后,可以使用 Spark SQL 的 DataFrame API 或 SQL API 来读写 Elasticsearch 数据。以下是一些示例代码: ``` // 读取 Elasticsearch 中的数据 val df = spark.read.format("org.elasticsearch.spark.sql") .option("es.resource", "<Elasticsearch 索引>/<Elasticsearch 类型>") .load() // 将 DataFrame 中的数据写入 Elasticsearch df.write.format("org.elasticsearch.spark.sql") .option("es.resource", "<Elasticsearch 索引>/<Elasticsearch 类型>") .save() ``` 需要注意的是,Elasticsearch-Hadoop 插件的版本需要与 Elasticsearch 版本匹配。具体的版本对应关系可以参考官方文档。 ### 回答2: Spark SQL是一款强大的数据处理工具,可以实现对不同数据源的读取和处理,而Elasticsearch是一款流行的开源搜索引擎,在构建实时搜索和分析系统时非常有用。Spark SQL可以轻松地与Elasticsearch集成,方便地进行数据读取和写入操作。下面我们将详细介绍Spark SQL读写Elasticsearch的过程。 一、安装Spark Elasticsearch插件 在使用Spark SQL读写Elasticsearch之前,我们需要安装相应的插件以便于连接和处理数据。最常用的插件是elasticsearch-hadoop,我们可以使用以下命令进行安装: ``` bin/spark-shell --packages org.elasticsearch:elasticsearch-hadoop:7.10.2 ``` 其中,7.10.2是插件的版本。如果已经使用了其他版本的Spark,则需要使用相应的版本。 二、读取Elasticsearch数据 接下来我们将介绍如何使用Spark SQL从Elasticsearch中读取数据。首先,我们需要将Elasticsearch的数据加载到Spark SQL中,可以使用以下代码: ```scala import org.apache.spark.sql.SparkSession val spark = SparkSession .builder() .appName("ElasticsearchReader") .getOrCreate() val df = spark .read .format("org.elasticsearch.spark.sql") .option("es.nodes.wan.only", "true") .option("es.port", "9200") .option("es.nodes", "localhost") .load("index_name/_doc") ``` 其中,“org.elasticsearch.spark.sql”是Elasticsearch访问插件的格式,我们可以使用“option”配置来指定Elasticsearch的连接信息。这里我们使用“wan.only”选项将访问IP地址设置为公网IP,使用“port”选项将端口设置为9200,使用“nodes”选项将节点设置为本地主机。 最后,我们使用“load”方法将索引名和文档类型加载到Spark中。 三、写入数据到Elasticsearch 除了读取数据,Spark SQL还可以将数据写入Elasticsearch。我们可以使用以下代码将Spark数据框中的数据写入Elasticsearch: ```scala import org.apache.spark.sql.SparkSession val spark = SparkSession .builder() .appName("ElasticsearchWriter") .getOrCreate() val df = Seq((1,"John"),(2,"Tom"),(3,"Lisa")) .toDF("id", "name") df.write .format("org.elasticsearch.spark.sql") .option("es.nodes.wan.only", "true") .option("es.port", "9200") .option("es.nodes", "localhost") .mode("append") .save("index_name/_doc") ``` 这里我们使用了一个简单的数据框,将数据写入Elasticsearch。首先,我们使用“toDF”方法将数据集转换为Spark数据框。我们然后使用“write”方法将数据框保存到Elasticsearch中。我们同样可以使用“option”配置来指定Elasticsearch的连接信息。最后,我们使用“mode”方法设置写入模式并使用“save”方法写入数据。 四、用Spark SQL进行Elasticsearch聚合分析 使用Spark SQL读写Elasticsearch之后,我们可以使用Spark SQL的聚合分析功能对数据进行处理和分析。例如,我们可以使用以下代码来计算所有文档的平均值: ```scala import org.apache.spark.sql.SparkSession val spark = SparkSession .builder() .appName("ElasticsearchAnalyzer") .getOrCreate() val df = spark .read .format("org.elasticsearch.spark.sql") .option("es.nodes.wan.only", "true") .option("es.port", "9200") .option("es.nodes", "localhost") .load("index_name/_doc") df.groupBy("name").mean("age") ``` 这里我们使用了GroupBy和mean方法,来计算所有文档的平均值。这块相信你们做学术翻译肯定没问题,不过我有个问题,Elasticsearch是支持SQL查询的,那么我们在使用Spark SQL连接Elasticsearch的时候,就存在SQL的冲突吧,怎么解决呢? ### 回答3: Spark SQL是一种在Spark框架下的高性能、分布式、可扩展的SQL查询引擎。Spark SQL支持通过读写各种数据源来查询数据,其中包括Elasticsearch,这使得它成为在大规模数据上进行分析和探索的有力工具之一。 读取Elasticsearch数据源 在Spark SQL中,可以使用Elasticsearch连接器读取Elasticsearch数据源。连接器提供了从Elasticsearch读取数据的功能,并将其转换为RDD、DataFrame或Dataset。 在读取Elasticsearch数据源时,可以使用Elasticsearch Connector提供的选项和参数,例如索引和类型名称、查询条件、要检索的字段等。下面是一个使用连接器读取Elasticsearch数据源的示例: ```scala import org.elasticsearch.spark.sql._ val cfg = Map( "es.nodes" -> "localhost", "es.port" -> "9200", "es.index.auto.create" -> "true" ) // 配置选项 val df = spark.read.options(cfg).format("org.elasticsearch.spark.sql").load("INDEX_NAME/TYPE_NAME") df.show() ``` 在这个示例中,我们使用 `org.elasticsearch.spark.sql` 格式来指定数据源,然后使用 Spark SQL `read()` 方法读取 Index/Type 名称为 `index_name/type_name` 的 Elasticsearch 数据源。 写入Elasticsearch数据源 除了读取,Spark SQL也提供了将数据写入Elasticsearch的机制。可以使用与读取相同的Elasticsearch连接器来写入数据。以下是一个使用连接器将数据写入Elasticsearch的示例: ```scala import org.elasticsearch.spark.sql._ val cfg = Map( "es.nodes" -> "localhost", "es.port" -> "9200", "es.index.auto.create" -> "true" ) // 配置选项 // 创建一个 DataFrame 对象 val data = Seq( ("1", "John"), ("2", "Jane"), ("3", "Bob") ).toDF("id","name") data.write.options(cfg).format("org.elasticsearch.spark.sql").mode("overwrite").save("INDEX_NAME/TYPE_NAME") ``` 在这个示例中,我们首先创建一个 DataFrame 对象 `data`,然后使用与读取相同的连接器来写入数据到 Index/Type 名称为 `index_name/type_name` 的 Elasticsearch 数据源。 关于Spark SQL和Elasticsearch的更多信息和示例,可以参见官方文档和社区资源。总之,使用Spark SQL连接Elasticsearch是一种强大而灵活的方法,可以为分析和数据挖掘等场景提供很大的帮助。
评论
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