1. spark 读取 ES
import org.apache.spark.sql.SparkSession
import org.elasticsearch.spark.rdd.EsSpark
object esReadToHdfs {
def main(args: Array[String]): Unit = {
val spark = SparkSession.builder().appName("es_read").getOrCreate()
val sc = spark.sparkContext
val options = Map(
"es.index.auto.create" -> "true",
"es.nodes.wan.only" -> "true",
"es.nodes" -> "29.29.29.29:9200,29.29.29.29:9200",
"es.port" -> "9200",
"es.mapping.id" -> "id"
)
// 返回 RDD[(String, String]]
// 元组：第一个：esmapping.id、第二个 json 字符串
val resultRDD = EsSpark.esJsonRDD(sc, options).map(x => x._2)
// // 返回 RDD[(String, Map[String, AnyDef]]
// val resultRDD = EsSpark.esRDD(sc, options)
}
}
读取 hdfs 文件
[hadoop@hadoop1 apps]$ hadoop fs -cat hdfs://hadoop1:9000/people.json
{"name":"Michael"}
{"name":"Andy", "age":30}
{"name":"Justin", "age":19}
解析采用 fast-json：
1、pom.xml
2、main 文件
package top.midworld.spark1031.create_df
import org.apache.spark.sql.SparkSession
import java.security.MessageDigest
import com.alibaba.fastjson.{JSON, JSONException, JSONObject}
object SaveToEs {
def main(args: Array[String]): Unit = {
// 提交到集群，去掉 master，不能采用 local[2]
val spark = SparkSession.builder.appName("create_rdd").master("local[2]").getOrCreate()
val sc = spark.sparkContext
val rdd = sc.textFile("hdfs://hadoop1:9000/people.json").map {
// x => JSON.parseObject(x).get("name")
x =>
val data = JSON.parseObject(x)
val name = data.get("name").toString
val md5 = hashMD5(name) // name md5
data.put("@id", md5) // 添加新的 key、value
data
}
rdd.collect().foreach(println)
sc.stop()
spark.stop()
}
def hashMD5(url: String): String = {
val md5 = MessageDigest.getInstance("MD5")
val encoded = md5.digest((url).getBytes())
encoded.map("%02x".format(_)).mkString
}
}
运行结果：
{"name":"aaa","@id":"3e06fa3927cbdf4e9d93ba4541acce86"}
{"name":"aaa","@id":"0d2366f384b6c702db8e9dd8b74534db","age":30}
{"name":"aaa","@id":"06475174d922e7dcbb3ed34c0236dbdf","age":19}
2. spark 写入 ES
1、pom.xml
2、main 文件
package top.midworld.spark1031.create_df
import org.apache.spark.sql.SparkSession
import java.security.MessageDigest
import com.alibaba.fastjson.{JSON, JSONException, JSONObject}
import org.apache.spark.SparkConf
import org.elasticsearch.spark._
case class People(name: String, age: Int)
object SaveToEs {
def main(args: Array[String]): Unit = {
val spark = SparkSession.builder.appName("create_rdd").master("local[2]").getOrCreate()
val sc = spark.sparkContext
val conf = new SparkConf().setAppName("save_to_es")
conf.set("es.nodes", "hadoop1:9200,hadoop2:9200,hadoop3:9200")
conf.set("es.port", "9200")
conf.set("es.index.auto.create", "true")
// 将 Map 对象写入 es
val aa = Map("one" -> 1, "two" -> 2, "three" -> 3, "id" -> 11111)
val bb = Map("OTP" -> "Otopeni", "SFO" -> "San Fran", "id" -> 2222)
sc.makeRDD(Seq(aa, bb)).saveToEs("index_name/docs", Map("es.mapping.id" -> "id")) // docs 是 doc_type
// 将 case class对象写入ElasticSearch
val p1 = People("rose", 18)
val p2 = People("lila", 19)
sc.makeRDD(Seq(p1, p2)).saveToEs("index_name/docs")
// 以上都是通过隐士转换才有 saveToEs 方法插入 es，也可以采用显示方法
import org.elasticsearch.spark.rdd.EsSpark
val rdd_case_class = sc.makeRDD(Seq(p1, p2))
EsSpark.saveJsonToEs(rdd_case_class, "index_name/docs")
// 将Json字符串写入ElasticSearch
val json1 = """{"id" : 1, "name" : "rose", "age" : "18"}"""
val json2 = """{"id" : 2, "name" : "lila", "age" : "19"}"""
sc.makeRDD(Seq(json1, json2)).saveJsonToEs("index_name/docs")
// 自定义 es.mapping.id，不指定 es 也会生成唯一的 20 字符长度的 id
// 第三个参数指定 es.mapping.id 为数据中的 id 字段
sc.makeRDD(Seq(json1, json2)).saveJsonToEs("index_name/docs", Map("es.mapping.id" -> "id"))
sc.stop()
spark.stop()
}
}
参考文章
Spark读写ES数据时遇到的问题总结Spark读写ES使用Apache Spark将数据写入ElasticSearch
参考阅读
您阅读本篇文章共花了：
发表评论