Spark2.0 读写ES数据(scala)——elasticsearch6.5.4

@羲凡——只为了更好的活着

Spark2.0 读写ES数据(scala)——elasticsearch6.5.4

特别强调楼主使用spark2.3.2版本,elasticsearch6.5.4版本

1.准备工作

pom.xml文件中要添加

<dependency>
	<groupId>org.elasticsearch</groupId>
	<artifactId>elasticsearch-hadoop</artifactId>
	<version>6.5.4</version>
</dependency>

特别强调如果你spark用的是2.0的版本,向es2.0的版本中插入数据要么报错要么插入失败,而且,es各大版本之间差别很大,所以强烈建议,es用最新的稳定版本。

2.不啰嗦直接上代码

代码实现rdd或df写入到es中,且指定 es.mapping.id,再从es中读成rdd或df

package csdn

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

object SparkWriteAndReadES {

  case class StuInfo(name: String, sex: String, age: Int)

  def main(args: Array[String]): Unit = {
    val spark = SparkSession.builder()
      .appName("SparkWriteAndReadES")
      .master("local[*]")
      .config("es.index.auto.create", "true")
      .config("es.nodes", "deptest30,deptest33,deptest34")
      .config("es.port", "9200")
      .getOrCreate()

    val sc = spark.sparkContext
    val rdd = sc.makeRDD(Seq(
      StuInfo("diaochan", "女", 34),
      StuInfo("dianwei", "男", 36),
      StuInfo("guojia", "男", 35)))
    val map = Map("es.mapping.id" -> "name")

    EsSpark.saveToEs(rdd, "/stuinfo/type", map)
    println("============RDD写入ES成功!!!=================")
    val resRdd = EsSpark.esRDD(sc, "/stuinfo/type")
    println("============用esRDD读取ES结果如下:=================")
    resRdd.foreach(println)


    val df = spark.createDataFrame(sc.parallelize(Seq(
      StuInfo("xiaoming", "男", 18),
      StuInfo("xiaohong", "女", 17),
      StuInfo("xiaozhao", "男", 19)))).toDF("name", "sex", "age")

    EsSparkSQL.saveToEs(df, "/stuinfo/type", map)
    println("============RDD写入ES成功!!!=================")
    val esQuery =
      """
        |{
        |  "query": {
        |    "match": {
        |      "sex":"男"
        |    }
        |  }
        |}
      """.stripMargin
    val resDf = EsSparkSQL.esDF(spark, "/stuinfo/type",esQuery)
    println("============用esDF读取ES结果如下:=================")
    resDf.orderBy("name").show(false)

    spark.stop()
  }
}
3.结果检验

a. 检查写入是否成功,查询es结果如下
输入curl -H "Content-Type: application/json" -XGET 'deptest33:9200/stuinfo/_search?pretty' -d'{"query":{"match_all":{}}}',出现如下结果则表示成功

{
  "took" : 10,
  "timed_out" : false,
  "_shards" : {
    "total" : 5,
    "successful" : 5,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : 6,
    "max_score" : 1.0,
    "hits" : [
      {
        "_index" : "stuinfo",
        "_type" : "type",
        "_id" : "xiaozhao",
        "_score" : 1.0,
        "_source" : {
          "name" : "xiaozhao",
          "sex" : "男",
          "age" : 19
        }
      },
      {
        "_index" : "stuinfo",
        "_type" : "type",
        "_id" : "diaochan",
        "_score" : 1.0,
        "_source" : {
          "name" : "diaochan",
          "sex" : "女",
          "age" : 34
        }
      },
      {
        "_index" : "stuinfo",
        "_type" : "type",
        "_id" : "dianwei",
        "_score" : 1.0,
        "_source" : {
          "name" : "dianwei",
          "sex" : "男",
          "age" : 36
        }
      },
      {
        "_index" : "stuinfo",
        "_type" : "type",
        "_id" : "xiaoming",
        "_score" : 1.0,
        "_source" : {
          "name" : "xiaoming",
          "sex" : "男",
          "age" : 18
        }
      },
      {
        "_index" : "stuinfo",
        "_type" : "type",
        "_id" : "guojia",
        "_score" : 1.0,
        "_source" : {
          "name" : "guojia",
          "sex" : "男",
          "age" : 35
        }
      },
      {
        "_index" : "stuinfo",
        "_type" : "type",
        "_id" : "xiaohong",
        "_score" : 1.0,
        "_source" : {
          "name" : "xiaohong",
          "sex" : "女",
          "age" : 17
        }
      }
    ]
  }
}

b. 检查读取是否成功,IDEA控制台打印结果展示

============RDD写入ES成功!!!=================
============用esRDD读取ES结果如下:=================
(guojia,Map(name -> guojia, sex -> 男, age -> 35))
(diaochan,Map(name -> diaochan, sex -> 女, age -> 34))
(dianwei,Map(name -> dianwei, sex -> 男, age -> 36))
============RDD写入ES成功!!!=================
============用esDF读取ES结果如下:=================
+---+--------+---+
|age|name    |sex|
+---+--------+---+
|36 |dianwei ||
|34 |diaochan||
|35 |guojia  ||
|18 |xiaoming||
|19 |xiaozhao||
+---+--------+---+

====================================================================
@羲凡——只为了更好的活着

若对博客中有任何问题,欢迎留言交流

  • 8
    点赞
  • 21
    收藏
    觉得还不错? 一键收藏
  • 8
    评论
### 回答1: 批量操作是指一次性对多个数据进行操作,可以提高操作效率。在使用 Spark HBase 时,也可以使用批量操作来提高效率。具体实现方式如下: 1. 批量数据 使用 HBase 的 Put 类来创建要入的数据,然后将 Put 对象添加到一个 List 中,最后使用 HBase 的 Table 类的 put 方法来批量数据。示例代码如下: ```scala val conf = HBaseConfiguration.create() val connection = ConnectionFactory.createConnection(conf) val table = connection.getTable(TableName.valueOf("table_name")) val puts = new ListBuffer[Put]() for (i <- 1 to 100) { val put = new Put(Bytes.toBytes(s"row_$i")) put.addColumn(Bytes.toBytes("cf"), Bytes.toBytes("col"), Bytes.toBytes(s"value_$i")) puts += put } table.put(puts.toList.asJava) ``` 2. 批量数据 使用 HBase 的 Get 类来创建要取的数据,然后将 Get 对象添加到一个 List 中,最后使用 HBase 的 Table 类的 get 方法来批量数据。示例代码如下: ```scala val conf = HBaseConfiguration.create() val connection = ConnectionFactory.createConnection(conf) val table = connection.getTable(TableName.valueOf("table_name")) val gets = new ListBuffer[Get]() for (i <- 1 to 100) { val get = new Get(Bytes.toBytes(s"row_$i")) get.addColumn(Bytes.toBytes("cf"), Bytes.toBytes("col")) gets += get } val results = table.get(gets.toList.asJava) for (result <- results) { val row = Bytes.toString(result.getRow) val value = Bytes.toString(result.getValue(Bytes.toBytes("cf"), Bytes.toBytes("col"))) println(s"$row: $value") } ``` 以上就是使用 Scala 实现 Spark HBase 的批量操作的方法。 ### 回答2: 在实际的数据处理中,一次需要对多条数据进行操作,如果每次都进行单条的逐条操作会使程序效率非常低下。所以spark提供了批量操作API,可以对多条数据进行一次性的操作,极大地提高了程序的效率。 批量操作: 批量数据的方式有两种:Get和Scan。 使用Get方式取多条数据,需要将每条数据对应的Get对象添加到List集合当中,再将List集合转换为RDD对象进行操作。示例代码如下: ```scala val conf = HBaseConfiguration.create() conf.set(TableInputFormat.INPUT_TABLE, tableName) val gets = new util.ArrayList[Get]() gets.add(new Get(Bytes.toBytes("rowkey1"))) gets.add(new Get(Bytes.toBytes("rowkey2"))) gets.add(new Get(Bytes.toBytes("rowkey3"))) conf.set(TableInputFormat.SCAN, convertScanToString(new Scan())) val getRdd = sc.parallelize(gets) val hbaseRdd = getRdd.map((_, null)).hbaseBulkGet(conf, tableName, (result: Result) => { val kv: Array[Byte] = result.getValue(Bytes.toBytes(family), Bytes.toBytes(column)) Bytes.toString(kv) }) println(hbaseRdd.collect.toBuffer) ``` 使用Scan方式取多条数据,需要将Scan对象作为参数传入,再将RDD对象转换为PairRDD并使用hbaseScan方法进行操作。示例代码如下: ```scala val conf = HBaseConfiguration.create() conf.set(TableInputFormat.INPUT_TABLE, tableName) val scan = new Scan(Bytes.toBytes("rowkey1"), Bytes.toBytes("rowkey3")) conf.set(TableInputFormat.SCAN, convertScanToString(scan)) val hbaseRdd = sc.hbaseScanRDD(conf).map((result: Result) => { val kv: Array[Byte] = result.getValue(Bytes.toBytes(family), Bytes.toBytes(column)) Bytes.toString(kv) }) println(hbaseRdd.collect.toBuffer) ``` 批量操作: 批量操作可以使用Put对象集合,将多条数据对应的Put对象添加到集合中,并将集合转换成RDD进行操作即可。示例代码如下: ```scala val conf = HBaseConfiguration.create() conf.set(TableOutputFormat.OUTPUT_TABLE, tableName) val puts = new util.ArrayList[Put]() puts.add(new Put(Bytes.toBytes("rowkey1")).addColumn(Bytes.toBytes(family), Bytes.toBytes(column), Bytes.toBytes("value1"))) puts.add(new Put(Bytes.toBytes("rowkey2")).addColumn(Bytes.toBytes(family), Bytes.toBytes(column), Bytes.toBytes("value2"))) puts.add(new Put(Bytes.toBytes("rowkey3")).addColumn(Bytes.toBytes(family), Bytes.toBytes(column), Bytes.toBytes("value3"))) val putRdd = sc.parallelize(puts) putRdd.hbaseBulkPut(conf, tableName) ``` 总结: 批量操作是Spark访问HBase的常见操作方式,在实际的实现过程中需要注意以下几点: 1、Get和Scan对象在HBase中数据的方式不一样,需要注意区分; 2、使用批量操作可以大大提高程序效率,减少操作的时间消耗; 3、使用批量操作需要合理规划入的数据,避免出现数据冲突问题,影响程序的运行。 ### 回答3: 本篇文章将继续深入介绍如何使用Scala编码实现Spark操作HBase,具体涉及到HBase的批量操作。 一、Batch操作概述 在使用HBase进行数据处理的时候,我们常常需要对一个或多个表进行批量操作,批量操作即是针对 HBase的多行进行插入、删除等操作,以此来实现在HBase操作上的高效处理。HBase提供了很多批量操作API,比如 Put、Get、Delete、Scan,这些API都是可以批量操作的。 在Spark中,我们同样可以使用类似的API对HBase进行批量操作。本文将根据具体需求使用Spark实现HBase的批量操作。 二、批量操作的实现 SparkHBase时,使用RDD中的foreachPartition来对每个分区进行处理,在该函数内使用HBase API进行操作。关于批量操作,我们可以在每个分区中开启一个batch操作,将每个操作加入batch后,再提交即可。 例如,我们可以考虑实现一个批量put的功能,将RDD中的数据一批一批入表中: ``` def insert(tableName: String, rdd: RDD[(String, String)]): Unit = { try{ rdd.foreachPartition({ iter => val conf = HBaseUtils.getHBaseConfiguration() conf.set(TableOutputFormat.OUTPUT_TABLE, tableName) val conn = ConnectionFactory.createConnection(conf) val table = conn.getTable(TableName.valueOf(tableName)) val puts = new java.util.ArrayList[Put]() iter.foreach { case (rowKey:String, value: String) => { // 构造put对象并append val put = new Put(Bytes.toBytes(rowKey)) put.addColumn(Bytes.toBytes(columnFamily), Bytes.toBytes(columnQualifier), Bytes.toBytes(value)) puts.add(put) if (puts.size() >= batchSize) { // 多条记录组成的put对象,使用put(List<Put>)一次性入 table.put(puts) puts.clear() } } } // 如果puts还有内容,再一次 if (puts.size() > 0) { table.put(puts) puts.clear() } table.close() conn.close() }) } catch { case e: Exception => e.printStackTrace() } } ``` 在该方法中,我们使用foreachPartition遍历RDD中的每个分区,然后通过Connection来获取HBase表实例。 之后定义了一个用于存放Put的List,当List的大小大于等于batchSize时,就将这个List中的所有put操作提交给HBase执行。 最后,释放资源,并为大家展示如何调用这个方法: ``` val rdd: RDD[(String, String)] = ... val tableName: String = ... insert(tableName, rdd) ``` 使用这种方式实现批量put,我们可以将一批数据提交到HBase执行,从而提升入效率。当然,对于其他批量操作也可以应用类似的方式。 三、总结 本文根据实际需求,结合Spark和HBase的特点,实现了一些常用的批量操作,为大家提供了一个快速、高效的HBase操作方案。批量操作的好处是,可以将多条记录一次性操作,请求与入等待时间都会得到缩短,获得更高的效率。感兴趣的同学可以试试,在实际开发中应该会受益匪浅!

“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 8
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