spark 写 elasticsearch

[root@hadoop000 bin]# ./spark-submit --master local[2] --jars /root/app/spark-2.3.0-bin-2.6.0-cdh5.7.0/jars/elasticsearch-spark-20_2.11-6.3.0.jar /root/app/spark-2.3.0-bin-2.6.0-cdh5.7.0/python/spark008.py
from pyspark.sql import SparkSession
from pyspark.sql.types import *
from pyspark.sql.functions import udf


def get_grade(value):
    if value <= 50 and value >= 0:
        return "健康"
    elif value <= 100:
        return "中等"
    elif value <= 150:
        return "对敏感人群不健康"
    elif value <= 200:
        return "不健康"
    elif value <= 300:
        return "非常不健康"
    elif value <= 500:
        return "危险"
    elif value > 500:
        return "爆表"
    else:
        return None

if __name__ == '__main__':
        spark = SparkSession.builder.appName("project").getOrCreate()
        #能够自动推导 
#       df = spark.read.format("csv").option("header","true").option("inferSchema","true").option("delimiter",",").load("file:///root/data/Beijing_2017_HourlyPM25_created20170803.csv")
        data2016 = spark.read.format("csv").option("header","true").option("inferSchema","true").load("/data/Beijing_2016_HourlyPM25_created20170201.csv")

  #  data2016 = spark.read.format("csv").option("header","true").option("inferSchema","true").load("file:///home/hadoop/data/Beijing_2016_HourlyPM25_created20170201.csv").select("Year","Month","Day","Hour","Value","QC Name")
  #  data2015 = spark.read.format("csv").option("header","true").option("inferSchema","true").load("file:///home/hadoop/data/Beijing_2015_HourlyPM25_created20160201.csv").select("Year","Month","Day","Hour","Value","QC Name")

 #    data2017.show()
 #   data2016.show()
 #   data2015.show()
        grade_function_udf = udf(get_grade,StringType())
    # 进来一个Value,出去一个Grade
   # group2017 = data2017.withColumn("Grade",grade_function_udf(data2017['Value'])).groupBy("Grade").count()
        group2016 = data2016.withColumn("Grade",grade_function_udf(data2016['Value'])).groupBy("Grade").count()
   # group2015 = data2015.withColumn("Grade",grade_function_udf(data2015['Value'])).groupBy("Grade").count()
   # group2015.select("Grade", "count", group2015['count'] / data2015.count()).show()
        #group2016.select("Grade", "count", group2016['count'] / data2016.count()).show()
   # group2017.select("Grade", "count", group2017['count'] / data2017.count()).show()
        #withColumn 列的值
        result2016 = group2016.select("Grade", "count").withColumn("precent",group2016['count'] / data2016.count()*100)
   # group2017.show()
        #group2016.show()
   # group2015.show()
        #df.show()
#       df.printSchema()
        #列的名字改成小写的 
        result2016.selectExpr("Grade as grade", "count", "precent").write.format("org.elasticsearch.spark.sql").option("es.nodes","192.168.194.151:9200").mode("overwrite").save("weather2016/pm")

        spark.stop()

在这里插入图片描述

在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
### 回答1: Spark SQL 可以通过 Elasticsearch-Hadoop 插件来读 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 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入操作。下面我们将详细介绍Spark SQL读Elasticsearch的过程。 一、安装Spark Elasticsearch插件 在使用Spark SQL读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、入数据到Elasticsearch 除了读取数据,Spark SQL还可以将数据Elasticsearch。我们可以使用以下代码将Spark数据框中的数据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”方法设置入模式并使用“save”方法入数据。 四、用Spark SQL进行Elasticsearch聚合分析 使用Spark SQL读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。 Elasticsearch数据源 除了读取,Spark SQL也提供了将数据Elasticsearch的机制。可以使用与读取相同的Elasticsearch连接器来入数据。以下是一个使用连接器将数据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。

“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

打赏作者

伟伟哦

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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