Spark将Json数据写入ES报权限错误：action [cluster:monitor/nodes/info] is unauthorized for user

使用org.elasticsearch.spark.rdd.EsSpark的API

EsSpark.saveJsonToEs(mergeData, esIndexName, esConf)

将Json数据写入ES集群，报错信息如下：

org.elasticsearch.hadoop.rest.EsHadoopInvalidRequest: org.elasticsearch.hadoop.rest.EsHadoopRemoteException: security_exception: action [cluster:monitor/nodes/info] is unauthorized for user [XXXXX]

解决方案为：

参数es.nodes.wan.only，由默认的false改为true

添加参数es.nodes.discovery: false

原理如下：

es.nodes.wan.only： false，默认为false 

es.nodes.discovery: true，默认为true

采用以上默认配置时，Spark会通过访问es.nodes中指定的host(可以为多个) 得到ES集群所有开启HTTP服务节点的ip和port，后续对数据的访问会直接访问分片数据所在的节点上，这样的话需要保证ES集群所有节点都能够被Spark集群访问到。

这种方式适合es node全部用ip来设置的情况，但是并不安全。

----------------------------------------------------------------------------------------------

所以公司后来改为用域名来访问ES集群，只访问master节点，不再通过访问每个Es工作节点的ip来连接Es集群；

即访问的ipAndPort由（ip1，ip2，ip3：端口号），改成了（域名：端口号），直接访问Es的master节点，再由master节点来分发任务连接工作节点。

这两个参数还是用默认配置的话，如果不是supser权限，就会出现访问Es节点权限受限的问题，改动代码里的conf参数如下：

es.nodes.wan.only: true，

es.nodes.discovery: false（或不设置）

这样Spark发送给ES的所有请求，都需要通过这个Spark程序的Executor节点进行转发,效率相对比低一些，但是实测数据写入耗时也并没有怎么增加，完美解决了Spark程序往Es集群写入数据时，探活机制导致的权限异常的错误。

ps：测试发现单独设置es.nodes.discovery: false，还是会报权限错误，但是单独设置es.nodes.wan.only: true就可以。

----------------------------------------------------------------------------------------------

采用es.nodes.wan.only: true后，相当于，不管写请求还是读请求，ES都会强制通过master进行任务的分发，

1. 写请求（通过EsSpark.saveJsonToEs(mergeData, esIndexName, esConf) 这个API写数据）：

每一批次，每条数据写入ES时，都会依据_id被master节点分发写到指定的data节点的分片上，会做一层负载均衡，避免写请求时，某个data节点负载过高导致宕机。

如果es.nodes.wan.only设置为false，往ES集群写数据时，相当于绕过master节点，不在通过client节点进行请求的转发，直接往data节点写，client节点只用来服务普通的查询，速率会快很多，但是不太安全（实际上也没出现过宕机情况）。

如果es.nodes.wan.only设置为true，往ES集群写数据时，每个写请求都会被master进行分发，写到指定的data节点分片中，如果数据量不是特别大，一般没有太大影响，亲测每天大约运行800G的数据时，入库ES时间被master分发和直接访问data节点，耗时差不多。

 

2. 读请求：

读请求也会被master节点将请求分发给不同的data节点的分片，这样读取速率要快，如果没有master进行分发，读请求耗时基本上要扩大3-5倍。