项目实战——将Hive表的数据直接导入ElasticSearch
此篇文章不用写代码，简单粗暴，但是相对没有那么灵活；底层采用MapReduce计算框架，导入速度相对较慢！
项目实战——Spark将Hive表的数据写入ElasticSearch（Java版本）
此篇文章需要Java代码，实现功能和篇幅类似，直接Java一站式解决Hive内用Spark取数，新建ES索引，灌入数据，并且采用ES别名机制，实现ES数据更新的无缝更新，底层采用Spark计算框架，导入速度相对文章1的做法较快的多！；
项目实战——钉钉报警验证ElasticSearch和Hive数据仓库内的数据质量（Java版本）
此篇文章主要选取关键性指标，数据校验数据源Hive和目标ES内的数据是否一致；
项目实战——Spark将Hive表的数据写入需要用户名密码认证的ElasticSearch（Java版本）
此篇文章主要讲述如何通过spark将hive数据写入带账号密码权限认证的ElasticSearch 内；
项目实战(生产环境部署上线)——参数配置化Spark将Hive表的数据写入需要用户名密码认证的ElasticSearch（Java版本））
此篇文章主要讲述如何通过spark将hive数据写入带账号密码权限认证的ElasticSearch 内，同时而是，spark，es建索引参数配置化，每次新增一张表同步到es只需要新增一个xml配置文件即可，也是博主生产环境运用的java代码，弥补下很多老铁吐槽方法4的不足。
综述：
1.如果感觉编码能力有限，又想用到Hive数据导入ElasticSearch，可以考虑文章1；
2.如果有编码能力，个人建议采用文章2和文章3的组合情况（博主推荐），作为离线或者近线数据从数据仓库Hive导入ElasticSearch的架构方案，并且此次分享的Java代码为博主最早实现的版本1，主要在于易懂，实现功能，学者们可以二次加工，请不要抱怨代码写的烂；
3.如果是elasticsearch是自带账号密码权限认证的,如云产品或者自己设置了账号密码认证的，那么办法，只能用文章4了；
4.如果部署上线，还是要看文章5。
本人Hive版本：2.3.5
本人ES版本：7.7.1
本人Spark版本：2.3.3
背 景 将要创建的ES索引信息和ES的连接信息参数化，这样每次新增一张表时，只需要新增一个xml配置文件即可，es服务器迁移，只需要变更一个ES文件即可，因为是大数据环境嘛，博主选择把这两类配置文件放在hdfs上，当然如果没有hdfs，也可以把配置文件放到ftp，或者某共享文件夹下，只是不同文件系统在读取配置文件的IO流略有不同，读者根据自己的文件系统来选择相应的文件IO流即可。
如图1，主要数据链路架构就是通过调用编译好的jar包读取hdfs上的配置文件信息，再通过spark将hive的表同步到Elasticsearch内。
ElasticSearch是可以配置用户名，密码认证的，特别是云产品，公司如果买的ElasticSearch的云服务，那必然是带用户名密码认证的，即当你访问你的ES时，默认一般是9200端口时会弹出如图2的提示，需要你填写用户名密码；
在你要访问的源机器ping通需要目标端的es机器ip，ping不通，找网管；
telnet通ES的机器的端口在你要访问的源机器telnet通需要目标端的es机器ip和端口，telnet不通，找网管；
拿到用户名和密码既然是用户名和密码认证，当然需要向管理员拿到账号和密码，拿到用户名和密码后，先去测试下该用户名能否登陆es，并且能否读写权限，读写，创建index(非必要)，可以在kibana上验证,认证访问，最好在你跑程序的地方，跑一下RESTFul风格的代码,如下（linux环境shell命令行内直接跑）；
# 用户名密码有转移字符，记得前面加转移，如abc!123,写成abc!123 # 用户名密码有转移字符，记得前面加转移，如abc!123,写成abc!123 # 用户名密码有转移字符，记得前面加转移，如abc!123,写成abc!123 curl -k -u user:password -XGET http://es-ip:9200/your_index/_search
windows cmd下：
# 注意用户名密码后面是@符号，用户名密码有转译字符可不转译，别乱搞 # 注意用户名密码后面是@符号，用户名密码有转译字符可不转译，别乱搞 # 注意用户名密码后面是@符号，用户名密码有转译字符可不转译，别乱搞 curl "http://user:password@es-ip:9200/your_index/_search"
如果能获取到数据，说明网络，账号一切都Ok，加上kibana能读写index，说明权限Ok，否则，哪一环出了问题去找到相关的人员解决，准备工作都Ok了，再去写代码，不然代码一直报错，让你怀疑人生；
项目树 总体项目树图谱如图1所示，编程软件：IntelliJ IDEA 2019.3 x64,采用Maven架构；
/LXWalaz1s1s/13037253)
feign:连接ES和Spark客户端相关的Java类；utils:操作ES和Spark相关的Java类；resources:日志log的配置类；pom.xml:Maven配置文件；
该项目使用到的Maven依赖包存在pom.xml上，具体如下所示；.
日志配置文件4.0.0 org.example SparkOnHiveToEs_buildinginfo_v1 1.0-SNAPSHOT SparkOnHiveToEs_buildinginfo_v1 http://www.example.com UTF-8 1.7 1.7 junit junit 4.11 test org.elasticsearch elasticsearch 7.7.1 org.elasticsearch.client elasticsearch-rest-high-level-client 7.7.1 junit junit 4.12 test org.projectlombok lombok 1.18.12 provided org.testng testng RELEASE compile com.fasterxml.jackson.core jackson-databind 2.11.0 org.elasticsearch elasticsearch-hadoop 7.7.1 org.elasticsearch elasticsearch-spark-20_2.11 7.7.1 org.apache.spark spark-core_2.11 2.3.3 org.apache.spark spark-sql_2.11 2.3.3 org.apache.spark spark-hive_2.11 2.3.3 compile junit junit 4.12 compile org.apache.logging.log4j log4j-core 2.9.1 org.apache.logging.log4j log4j-api 2.9.1 dom4j dom4j 1.6.1 org.apache.hadoop hadoop-common 2.8.5 org.apache.hadoop hadoop-hdfs 2.8.5 org.apache.hadoop hadoop-client 2.8.5 org.scala-tools maven-scala-plugin 2.15.2 compile testCompile maven-assembly-plugin 2.4 jar-with-dependencies com.bjsxt.scalaspark.core.examples.ExecuteLinuxShell make-assembly package assembly
最终这个Job是需要给spark-submit调用的，所以希望有一些有用关键的信息可以通过日志输出，而不是采用System,out.println的形式输出到console端，所以要用到log.info("关键内容信息")方法，所以设置两个log的配置信息，如，只输出bug，不输出warn等，可以根据自己需求来配置，具体两个log配置文件内容如下；
log4j.properties配置如下；
log4j.rootLogger=INFO, stdout, R log4j.appender.stdout=org.apache.log4j.ConsoleAppender log4j.appender.stdout.layout=org.apache.log4j.PatternLayout log4j.appender.stdout.layout.ConversionPattern=%5p - %m%n log4j.appender.R=org.apache.log4j.RollingFileAppender log4j.appender.R.File=firestorm.log log4j.appender.R.MaxFileSize=100KB log4j.appender.R.MaxBackupIndex=1 log4j.appender.R.layout=org.apache.log4j.PatternLayout log4j.appender.R.layout.ConversionPattern=%p %t %c - %m%n log4j.logger.com.codefutures=INFO
log4j2.xml配置如下；
读取hdfs配置文件
注意配置是存在hdfs上的，当然读者也可以根据自己需求存在不同的文件系统内，因为存在hdfs文件系统，所以要遵循hdfs文件系统的IO流，具体参看一下PropertiesUtils.java
package cn.focusmedia.esapp.utils;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FSDataInputStream;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.dom4j.document;
import org.dom4j.documentException;
import org.dom4j.Element;
import org.dom4j.io.SAXReader;
import java.io.*;
import java.util.Iterator;
import java.util.Properties;
public class PropertiesUtils {
public static String getProperties(String filePath,String key)
{
// //本地文件系统
// Properties prop =new Properties();
// try {
// InputStream inputStream=new BufferedInputStream(new FileInputStream(new File(filePath)));
// prop.load(inputStream);
//
// } catch (Exception e) {
// e.printStackTrace();
// }
// return prop.getProperty(key);
//hdfs文件系统
Configuration conf = new Configuration();
FileSystem fs=null;
Properties prop =new Properties();
try {
fs= FileSystem.get(conf);
} catch (IOException e) {
e.printStackTrace();
}
Path path = new Path(filePath);
FSDataInputStream inputStream=null;
try {
inputStream = fs.open(path);
prop.load(inputStream);
} catch (IOException e) {
e.printStackTrace();
}
return prop.getProperty(key);
}
//解xml
public static String getXML(String filePath,String key)
{
Configuration conf = new Configuration();
FileSystem fs=null;
try {
fs= FileSystem.get(conf);
} catch (IOException e) {
e.printStackTrace();
}
Path path = new Path(filePath);
FSDataInputStream inputStream=null;
try {
inputStream = fs.open(path);
} catch (IOException e) {
e.printStackTrace();
}
File file=new File(filePath);
SAXReader reader=new SAXReader();
String myValue = null;
try {
document doc=reader.read(inputStream);
// document doc=reader.read(file);
Element root = doc.getRootElement();
Element foo;
for (Iterator i = root.elementIterator("VALUE"); i.hasNext();) {
foo = (Element) i.next();
myValue= foo.elementText(key);
}
} catch (documentException e) {
e.printStackTrace();
}
return myValue;
}
}
连接Spark的客户端
程序最终选择在yarn上跑，所以这一块可以选择忽略。
连接ElasticSearch的客户端将ES的连接信息配置文件存在hdfs的/app/hive_to_es/configure/prod_es_connection.properties,内容如下，用户名密码可以配进去，但是没必要，因为毕竟hdfs文件系统，安全性不高，博主用户名密码是写死在程序内。
#ElasticSearch Connection node_num=3 node1=10.218.10.22 node2=10.218.10.21 node3=10.218.10.20 port=9200
要想操作ES，首先需要配置连接ES的客户端，具体代码如下的EsClient.java文件；
package cn.focusmedia.esapp.feign;
import cn.focusmedia.esapp.utils.PropertiesUtils;
import org.apache.http.HttpHost;
import lombok.extern.slf4j.Slf4j;
import org.apache.http.auth.AuthScope;
import org.apache.http.auth.UsernamePasswordCredentials;
import org.apache.http.client.CredentialsProvider;
import org.apache.http.impl.client.BasicCredentialsProvider;
import org.apache.http.impl.nio.client.HttpAsyncClientBuilder;
import org.elasticsearch.action.get.GetRequest;
import org.elasticsearch.action.get.GetResponse;
import org.elasticsearch.client.RequestOptions;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestClientBuilder;
import org.elasticsearch.client.RestHighLevelClient;
import org.junit.Test;
import java.io.IOException;
@Slf4j
public class EsClient
{
public static RestHighLevelClient getClient()
{
int num=Integer.parseInt(PropertiesUtils.getProperties("/app/hive_to_es/configure/prod_es_connection.properties", "node_num"));
int port=Integer.parseInt(PropertiesUtils.getProperties("/app/hive_to_es/configure/prod_es_connection.properties","port"));
// int num=Integer.parseInt(PropertiesUtils.getProperties("configure/prod_es_connection.properties", "node_num"));
// int port=Integer.parseInt(PropertiesUtils.getProperties("configure/prod_es_connection.properties","port"));
HttpHost[] myHttpHost = new HttpHost[num];
for(int i=1;i<=num;i++)
{
myHttpHost[i-1]=new HttpHost(PropertiesUtils.getProperties("/app/hive_to_es/configure/prod_es_connection.properties","node"+i),port);
// myHttpHost[i-1]=new HttpHost(PropertiesUtils.getProperties("configure/prod_es_connection.properties","node"+i),port);
}
final CredentialsProvider credentialsProvider = new BasicCredentialsProvider();
credentialsProvider.setCredentials(AuthScope.ANY,
new UsernamePasswordCredentials("test", "test1234")); //es账号密码
RestClientBuilder builder = RestClient.builder(
myHttpHost)
.setHttpClientConfigCallback(new RestClientBuilder.HttpClientConfigCallback() {
@Override
public HttpAsyncClientBuilder customizeHttpClient(
HttpAsyncClientBuilder httpClientBuilder) {
httpClientBuilder.disableAuthCaching();
return httpClientBuilder
.setDefaultCredentialsProvider(credentialsProvider);
}
});
//创建RestHighLevelClient对象
RestHighLevelClient myclient=new RestHighLevelClient(builder);
log.info("RestClientUtil intfo create rest high level client successful!");
return myclient;
}
}
Spark将Hive表的数据写入ElasticSearch工具类实现
Spark将Hive表的数据写入ElasticSearch工具类实现主要在utils/EsUtils.java文件下，我这里比较偷懒，将所有的实现方法都放在这个文件下，大家觉得不爽的话可以自己按需拆分，具体设计的内容如下；
package cn.focusmedia.esapp.utils;
import cn.focusmedia.esapp.feign.EsClient;
import lombok.extern.slf4j.Slf4j;
import org.apache.spark.SparkConf;
import org.apache.spark.sql.Dataset;
import org.apache.spark.sql.Row;
import org.apache.spark.sql.SparkSession;
import org.elasticsearch.action.admin.indices.alias.IndicesAliasesRequest;
import org.elasticsearch.action.admin.indices.alias.get.GetAliasesRequest;
import org.elasticsearch.action.admin.indices.delete.DeleteIndexRequest;
import org.elasticsearch.action.admin.indices.flush.FlushRequest;
import org.elasticsearch.action.admin.indices.flush.FlushResponse;
import org.elasticsearch.action.support.master.AcknowledgedResponse;
import org.elasticsearch.client.GetAliasesResponse;
import org.elasticsearch.client.RequestOptions;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.client.indices.CreateIndexRequest;
import org.elasticsearch.client.indices.CreateIndexResponse;
import org.elasticsearch.client.indices.DeleteAliasRequest;
import org.elasticsearch.client.indices.GetIndexRequest;
import org.elasticsearch.common.xcontent.XContentType;
import org.elasticsearch.spark.sql.api.java.JavaEsSparkSQL;
import org.junit.Test;
import java.io.IOException;
@Slf4j
public class EsUtils
{
static RestHighLevelClient myClient= EsClient.getClient(); //获取操作ES的
//查询索引是否存在
@Test
public static boolean exsitsIndex(String index) throws IOException
{
//准备request对象
GetIndexRequest myrequest=new GetIndexRequest(index);
//通过client去操作
boolean myresult = myClient.indices().exists(myrequest, RequestOptions.DEFAULT);
//输出结果
log.info("The index:"+index+" is exist? :"+myresult);
return myresult;
}
//创建索引
@Test
public static CreateIndexResponse creatIndex(String index,String index_mapping) throws IOException
{
log.info("The index name will be created : "+index);
//将准备好的setting和mapping封装到一个request对象内
CreateIndexRequest myrequest = new CreateIndexRequest(index).source(index_mapping, XContentType.JSON);
//通过client对象去连接ES并执行创建索引
CreateIndexResponse myCreateIndexResponse=myClient.indices().create(myrequest, RequestOptions.DEFAULT);
//输出结果
log.info("The index : "+index+" was created response is "+ myCreateIndexResponse.isAcknowledged());
return myCreateIndexResponse;
}
//删除索引
@Test
public static AcknowledgedResponse deleteIndex(String index) throws IOException {
//准备request对象
DeleteIndexRequest myDeleteIndexRequest = new DeleteIndexRequest();
myDeleteIndexRequest.indices(index);
//通过client对象执行
AcknowledgedResponse myAcknowledgedResponse = myClient.indices().delete(myDeleteIndexRequest,RequestOptions.DEFAULT);
//获取返回结果
log.info("The index :"+index+"create response is "+myAcknowledgedResponse.isAcknowledged());
return myAcknowledgedResponse;
//System.out.println(myAcknowledgedResponse.isAcknowledged());
}
//数据写入ES
public static void tableToEs(String index,String index_auto_create,String es_mapping_id,String table_name,String es_nodes)
{
SparkConf conf=new SparkConf().setMaster("yarn").setAppName("SparkToES");
conf.set("es.nodes",es_nodes);
conf.set("es.net.http.auth.user" ,"test");
conf.set("es.net.http.auth.pass","test1234");
conf.set("es.nodes.wan.only","true");
conf.set("es.nodes.discovery","false");
conf.set("es.index.auto.create",index_auto_create);
conf.set("es.resource",index);
conf.set("es_mapping_id",es_mapping_id);
SparkSession spark = SparkSession
.builder()
.config(conf)
.appName("SparkToES")
.enableHiveSupport()
.config("spark.sql.hive.convertmetastoreParquet", false)
.getOrCreate();
Dataset table = spark.sql(""+table_name+"").repartition(60);
JavaEsSparkSQL.saveToEs(table,index);
// JavaEsSparkSQL.saveToEs(table,index, ImmutableMap.of("es.index.auto.create", index_auto_create,"es.resource", index, "es.mapping.id"
// ,es_mapping_id,"es.nodes" ,es_nodes,"es.nodes.wan.only",wan_only));
// "es.net.http.auth.pass" , "aib9qua!gh3Y" "es.net.http.auth.pass" , "aib9qua!gh3Y"
log.info("Spark data from hive to ES index: "+index+" is over,go to alias index! ");
spark.stop();
}
//数据写入ES,无指定的mapping_id
public static void tableToEs(String index,String index_auto_create,String table_name,String es_nodes)
{
SparkConf conf=new SparkConf().setMaster("yarn").setAppName("SparkToES");
conf.set("es.nodes",es_nodes);
conf.set("es.net.http.auth.user" ,"test");
conf.set("es.net.http.auth.pass","test1234");
conf.set("es.nodes.wan.only","true");
conf.set("es.nodes.discovery","false");
conf.set("es.index.auto.create",index_auto_create);
conf.set("es.resource",index);
SparkSession spark = SparkSession
.builder()
.config(conf)
.appName("SparkToES")
.enableHiveSupport()
.config("spark.sql.hive.convertmetastoreParquet", false)
.getOrCreate();
Dataset table = spark.sql(""+table_name+"").repartition(60);
JavaEsSparkSQL.saveToEs(table,index);
// JavaEsSparkSQL.saveToEs(table,index, ImmutableMap.of("es.index.auto.create", index_auto_create,"es.resource", index, "es.mapping.id"
// ,es_mapping_id,"es.nodes" ,es_nodes,"es.nodes.wan.only",wan_only));
// "es.net.http.auth.pass" , "aib9qua!gh3Y" "es.net.http.auth.pass" , "aib9qua!gh3Y"
log.info("Spark data from hive to ES index: "+index+" is over,go to alias index! ");
spark.stop();
}
//flush下新的index数据
public static void flushIndex(String index) throws IOException
{
FlushRequest myFlushRequest =new FlushRequest(index);
FlushResponse myFlushResponse=myClient.indices().flush(myFlushRequest,RequestOptions.DEFAULT);
int totalShards =myFlushResponse.getTotalShards();
log.info("index: "+index+" has"+ totalShards +"flush over! ");
}
//别名操作，无缝连接
//获取别名
public static String getAlias(String alias) throws Exception
{
GetAliasesRequest requestWithAlias = new GetAliasesRequest(alias);
GetAliasesResponse response = myClient.indices().getAlias(requestWithAlias, RequestOptions.DEFAULT);
String AliasesString = response.getAliases().toString();
String alias_index_name = null;
try
{
alias_index_name = AliasesString.substring(AliasesString.indexOf("{") + 1, AliasesString.indexOf("="));
}
catch (Exception e)
{
throw new Exception("your index do not has alias,please create a alias for you index!");
}
return alias_index_name;
}
//更新别名
public static void indexUpdateAlias(String index,String index_alias) throws Exception
{
String old_index_name=EsUtils.getAlias(index_alias);
log.info(index_alias+ " old index is "+old_index_name);
//删除别名映射的老的index
DeleteAliasRequest myDeleteAliasRequest = new DeleteAliasRequest(old_index_name, index_alias);
org.elasticsearch.client.core.AcknowledgedResponse myDeleteResponse=myClient.indices().deleteAlias(myDeleteAliasRequest, RequestOptions.DEFAULT);
boolean deletealisaacknowledged = myDeleteResponse.isAcknowledged();
log.info("delete index successfully? " + deletealisaacknowledged);
//新建新的index别名
IndicesAliasesRequest request = new IndicesAliasesRequest();
IndicesAliasesRequest.AliasActions aliasAction = new IndicesAliasesRequest.AliasActions(IndicesAliasesRequest.AliasActions.Type.ADD).index(index).alias(index_alias);
request.addAliasAction(aliasAction);
org.elasticsearch.action.support.master.AcknowledgedResponse indicesAliasesResponse = myClient.indices().updateAliases(request, RequestOptions.DEFAULT);
boolean createaliasacknowledged = indicesAliasesResponse.isAcknowledged();
log.info("create index successfully? "+createaliasacknowledged);
String now_index=EsUtils.getAlias(index_alias);
log.info(index_alias+ " now index is "+now_index);
if(now_index.equals(index))
{
log.info("index: "+index+ " alias update successfully！");
}
}
//更新别名
public static void indexUAddAlias(String index,String index_alias) throws Exception
{
//新建新的index别名
IndicesAliasesRequest request = new IndicesAliasesRequest();
IndicesAliasesRequest.AliasActions aliasAction = new IndicesAliasesRequest.AliasActions(IndicesAliasesRequest.AliasActions.Type.ADD).index(index).alias(index_alias);
request.addAliasAction(aliasAction);
org.elasticsearch.action.support.master.AcknowledgedResponse indicesAliasesResponse = myClient.indices().updateAliases(request, RequestOptions.DEFAULT);
boolean createaliasacknowledged = indicesAliasesResponse.isAcknowledged();
log.info("create index alias successfully? "+createaliasacknowledged);
String now_index=EsUtils.getAlias(index_alias);
log.info(index_alias+ " now index is "+now_index);
if(now_index.equals(index))
{
log.info("index: "+index+ " alias create successfully！");
}
}
}
主函数调用工具类实现整体功能
主函数的实现的 功能顺序下所示；
- 创建索引spark导入数据flush下新的index数据获取目前的索引别名对应的索引名字，该索引名马上要失效替换最新数据别名确认别名成功切换后清除老的索引如果4步失败，说明是因为还没有建立起indexalias导致的，需要重建indexalias。
注意，这里抽取Hive的哪张表，在ES建索引的名称，别名，index表结构要求等等做成xml存入hdfs，博主存在/app/hive_to_es/configure下，配置文件举例如dw_ads_resource_amap_city_district.xml；
index：你要建ES的索引名；
index_alias：你要建ES的索引别名；
index_auto_create：ES主键_id是否自动生成，如果写true表示自动生成，如果是false，则还需要补一个hive表内的唯一键作为es的主键_id，如下的客户表
false
custom_id
sql_script：spark取数语句；
index_mapping：ES的index结构，类似建表语句要求。
dw_sat_rs_amap_city_district dw_sat_rs_amap_city_district_v0 true select * from ads.ads_resource_amap_city_district_d { "settings":{ "number_of_replicas":2, "number_of_shards":1, "max_result_window":1000000 }, "mappings":{ "properties":{ "amap_province_code":{ "type":"keyword" }, "amap_province_name":{ "type":"keyword" }, "amap_city_code":{ "type":"keyword" }, "amap_city_name":{ "type":"keyword" }, "amap_district_code":{ "type":"keyword" }, "amap_district_name":{ "type":"keyword" }, "dept_type_name":{ "type":"keyword" }, "shops":{ "type":"integer" }, "event_day":{ "type":"keyword" } } } }
注意：以上配置文件的hdfs全路径，作为以下主函数jar包的参数，具体调用还是回到主函数内，代码如下的app.java文件；
package cn.focusmedia.esapp;
import cn.focusmedia.esapp.utils.EsUtils;
import cn.focusmedia.esapp.utils.PropertiesUtils;
import lombok.extern.slf4j.Slf4j;
import java.io.IOException;
@Slf4j
public class App
{
public static void main( String[] args ) throws Exception
{
// 新的index名称 ，配置文件的hdfs路径作为jar调用的参数,每次采用时间戳后缀，防止重名
String index=PropertiesUtils.getXML(args[0],"index")+ System.currentTimeMillis();
//String index="dw_"+PropertiesUtils.getXML(args[0],"index")+"_v"+ System.currentTimeMillis();
log.info("index:"+index);
//es别名
String index_alias=PropertiesUtils.getXML(args[0],"index_alias");
log.info("index_alias:"+index_alias);
//es index的mapping结构
String index_mapping=PropertiesUtils.getXML(args[0],"index_mapping");
log.info("index_mapping:"+index_mapping);
//是否根据Hive表结构自动创建索引，一般写false，怕结构变形，可以通过根据mapping来创建规范的索引
String index_auto_create=PropertiesUtils.getXML(args[0],"index_auto_create");
log.info("index_auto_create:"+index_auto_create);
//指定es index的id
String es_mapping_id =PropertiesUtils.getXML(args[0],"es_mapping_id");
log.info("es_mapping_id:"+es_mapping_id);
//Hive内的表结构
String table_name=null;
table_name=PropertiesUtils.getXML(args[0],"sql_script");
table_name=table_name.replaceAll("[\t\n\r]"," ");
log.info("table_name:"+table_name);
// es集群节点集合
// int num=Integer.parseInt(PropertiesUtils.getProperties("configure/prod_es_connection.properties", "node_num"));
// int port=Integer.parseInt(PropertiesUtils.getProperties("configure/prod_es_connection.properties","port"));
int num=Integer.parseInt(PropertiesUtils.getProperties("/app/hive_to_es/configure/prod_es_connection.properties", "node_num"));
int port=Integer.parseInt(PropertiesUtils.getProperties("/app/hive_to_es/configure/prod_es_connection.properties","port"));
StringBuilder my_es_nodes=new StringBuilder("");
for(int i=1;i<=num;i++)
{
//my_es_nodes.append(PropertiesUtils.getProperties("configure/prod_es_connection.properties","node"+i)+":"+port+",");
my_es_nodes.append(PropertiesUtils.getProperties("/app/hive_to_es/configure/prod_es_connection.properties","node"+i)+":"+port+",");
}
// 去掉最后一位逗号
String es_nodes= my_es_nodes.substring(0,my_es_nodes.length()-1);
log.info("es_nodes:"+es_nodes);
// 创建索引
if(EsUtils.exsitsIndex(index))
EsUtils.deleteIndex(index);
EsUtils.creatIndex(index,index_mapping);
//spark导入数据
//tableToEs(String index,String index_auto_create,String es_mapping_id,String table_name,String es_nodes)
if(!Boolean.parseBoolean(index_auto_create))
{
EsUtils.tableToEs(index,index_auto_create,es_mapping_id,table_name,es_nodes);
}else
{
EsUtils.tableToEs(index,index_auto_create,table_name,es_nodes);
}
//flush下新的index数据
EsUtils.flushIndex(index);
//获取目前的索引别名对应的索引名字，该索引名马上要失效
try {
String old_index=EsUtils.getAlias(index_alias);
//替换最新数据别名
EsUtils.indexUpdateAlias(index,index_alias);
//确认别名成功切换后清除老的索引
EsUtils.deleteIndex(old_index);
}
catch (Exception e)
{
e.printStackTrace();
log.info("no old index alias,create new index alias");
EsUtils.indexUAddAlias(index,index_alias);
}
}
}
打成Jar包并部署
将调试无误的项目打成Jar包，如果还不会打Jar包，可以参考博客IntelliJ IDEA将代码打成Jar包的方式,这里我打成的Jar包名字为SparkOnHiveToEs_PROD.jar;
将SparkOnHiveToEs_PROD.jar上传到hdfs的/app/hive_to_es/etl_jar/SparkOnHiveToEs_PROD.jar路径下，然后写一个spark-submit调用的shell脚本spark_on_hive_and_es.sh,具体如下：
#!/bin/bash
cur_dir=`pwd`
spark-submit --master yarn --deploy-mode cluster --executor-memory 8G --executor-cores 5 --num-executors 4 --queue etl --conf spark.kryoserializer.buffer.max=256m --conf spark.kryoserializer.buffer=64m --class cn.focusmedia.esapp.App hdfs://my-cluster/app/hive_to_es/etl_jar/SparkOnHiveToEs_PROD.jar hdfs://my-cluster/app/hive_to_es/configure/dw_ads_resource_amap_city_district.xml
dq_check_flag=$?
if [ $dq_check_flag -eq 0 ];then
echo "city and district frome hive to es has successed！"
else
echo "city and district frome hive to es has failed！"
# cd ${cur_dir}/../src/ding_talk_warning_report_py/main/
# python3 ding_talk_with_agency.py 411 此处为报错后钉钉报警，可以参考博主python栏的钉钉报警的实现
exit 3
fi
调度shell脚本
最后就是将这个spark_on_hive_and_es.sh脚本调度起来，如用Azkaban调度，设置自己需求的调度频率；
总 结 采用Spark将Hive表的数据写入ElasticSearch，速度较快，可以作为离线数据从数据仓库Hive写入ElasticSearch的首席参考方案，稳定，无缝连接，且快速；至于丢失的一环，如何校验Hive的数据是否准确的通过Spark写入了ES，请参考本文的目录的文章3；
如此一来，新增一张表，只需要填写一个xml文件，非常方便。
