elasticsearch-spark

maven

<!-- https://mvnrepository.com/artifact/org.elasticsearch/elasticsearch-spark-20 -->
<dependency>
<groupId>org.elasticsearch</groupId>
<artifactId>elasticsearch-spark-20_2.11</artifactId>
<version>6.0.0</version>
</dependency>

将rdd存入es

import org.apache.spark.sql.SparkSession
import org.elasticsearch.spark.rdd.EsSpark

object test {
  def main(args: Array[String]): Unit = {
    val spark = SparkSession.builder()
      .appName("appName")
      .config("spark.sql.warehouse.dir","hdfs://master:9000/usr/hive/warehouse")
      .config("es.nodes","192.168.123.111:9200,192.168.123.112:9200")   //设置es.nodes
      .config("pushdown", "true")   //执行sql语句时在elasticsearch中执行只返回需要的数据。这个参数在查询时设置比较有用
      .config("es.index.auto.create","true")   //如果没有这个index自动创建
      .config("es.nodes.wan.only","true")
      .enableHiveSupport()
      .getOrCreate()
    val a = Map("name" -> "lx","age"->20,"tags"->Array("aaa","bbb"))
    val b = Map("name" -> "wyq","age"->2,"tags"->Array("www","qqq"))
    val d = Map("name" -> "shm","age"->11,"tags"->Array("sss","mmm"))
    val rdd = spark.sparkContext.makeRDD(Seq(a,b,d))
    EsSpark.saveToEs(rdd,"index/type")
  }
}

将DataFrame存入es

import org.apache.spark.sql.SparkSession
import org.elasticsearch.spark.sql.EsSparkSQL

object test {
  def main(args: Array[String]): Unit = {
    val spark = SparkSession.builder()
      .appName("appName")
      .config("spark.sql.warehouse.dir","hdfs://master:9000/usr/hive/warehouse")
      .config("es.nodes","192.168.123.111:9200,192.168.123.112:9200")   //设置es.nodes
      .config("pushdown", "true")   //执行sql语句时在elasticsearch中执行只返回需要的数据。这个参数在查询时设置比较有用
      .config("es.index.auto.create","true")   //如果没有这个index自动创建
      .config("es.nodes.wan.only","true")
      .enableHiveSupport()
      .getOrCreate()
    import spark.implicits._
    import spark.sql
    sql("use test")
     val data = sql("select * from test")
     try{
       EsSparkSQL.saveToEs(data,"index/type")
     }catch {
       case es: Exception => {
         print(es)
       }
     }
  }
}

elasticsearch默认按照_id字段去重,如果没有指定_id,elasticsearch默认自动创建,如果需要去重我们可以通过指定_id实现去重。
在运用的过程中由于不能直接往 _id中存入数据。所以我通过指定某个字段作为 _id以此实现去重。

EsSparkSQL.saveToEs(data,es_index+"/"+es_type,Map("es.mapping.id" -> "id"))

从es中读出数据导入另外一个索引

import org.apache.spark.rdd.RDD
import org.apache.spark.sql.SparkSession
import org.elasticsearch.spark.rdd.EsSpark
import scala.collection.{Map, mutable}
object test_for_spark_es {
  def main(args: Array[String]): Unit = {
    val spark = SparkSession.builder()
      .appName("appName")
      .config("spark.sql.warehouse.dir","hdfs://master:9000/usr/hive/warehouse")
      .config("es.nodes","192.168.123.111:9200,192.168.123.112:9200")   //设置es.nodes
      .config("pushdown", "true")   //执行sql语句时在elasticsearch中执行只返回需要的数据。这个参数在查询时设置比较有用
      .config("es.index.auto.create","true")   //如果没有这个index自动创建
      .config("es.nodes.wan.only","true")
      .enableHiveSupport()
      .getOrCreate()
   val query =
     """
        {"query":{"bool":{"must":[{"match_phrase":{"hobbies":"网球"}}]}}}
      """
    import org.elasticsearch.spark._
    val esrdd: RDD[(String, Map[String, AnyRef])] = spark.sparkContext.esRDD("index/type", query)
    val map: RDD[mutable.Map[String, AnyRef]] = esrdd.map(r => {
      val key = r._1
      val value = r._2
      import scala.collection.mutable.Map
      //我这里Map泛型为[String,AnyRef]因为我的数据中有object类型,这里需要指定泛型。
      val tag: mutable.Map[String, AnyRef] = Map("profession" -> "IT")
      for (tmp <- value) {
        tag += (tmp._1 -> tmp._2)
      }
      tag
    })
    try {
      EsSpark.saveToEs(map, "index1/type1")
    } catch {
      case ex: Exception => {
        print(ex)
      }
    }
  }
  • 0
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    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
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