大数据方兴未艾,蜂巢在业界,是大数据的标配了。因此蜂巢数据添加到ES的应用场景还是比较常见的。
学习ES官方的es-hadoop,有从蜂巢导数据到。实验可行。
蜂巢的版本:hive-1.1.0-cdh6.9.0
具体的步骤如下:
step1将elasticsearch-hadoop-hive-version.jar添加到蜂巢
<代码> wget https://artifacts.elastic.co/downloads/elasticsearch-hadoop/elasticsearch-hadoop-6.3.0.zip 解压缩elasticsearch-hadoop-6.3.0.zip hdfs dfs mkdir/user/测试/es_hadoop/hdfs dfs——elasticsearch-hadoop-hive-6.3.0一边。jar/user/测试/es_hadoop/添加JAR hdfs://测试/user/测试/es_hadoop/elasticsearch-hadoop-hive-6.3.0.jar; 代码>
步骤2创建蜂巢表:
<代码>创建外部表elastic_table ( uuid字符串, key1 int, key2 int, 天的字符串 ) 存储在“org.elasticsearch.hadoop.hive.EsStorageHandler” TBLPROPERTIES (“es.resource”=八饕?类型”, “es.nodes”=皊erverIP:端口”, “es.index.auto.create”=罢媸怠? “es.mapping。id '=' uuid ' ); 代码>
step3添加数据
<代码>插入表elastc_table覆盖 选择uuid、key1 key2,天从源年代;代码>
为了避免客户端版本的问题,es-hadoop使用西文的restful接口导入数据,该接口使用的是Http协议。
通常使用,首当其冲的问题就是:如何快速将海量数据导入ES ?由于西文的数据需要建立倒排索引,所以导入数据到ES的瓶颈往往在ES这里。
本文记录了将蜂巢表的数据导入ES的方法。这里背后隐藏了mapreduce,即集群的威力。这里有个系列博客,讲述如何最大限度的挖掘ES索引数据的性能,立足点是ES。
<代码> https://qbox.io/blog/series/how-to-maximize-elasticsearch-indexing-performance 代码>
作者总结有3点:
-
<李>
根据应用场景创建映射,去除不必要的字段,如<代码> _all 代码>,<代码> _source> 代码;
这里是从应用场景下的手,以避免存储不必要的信息来提升索引数据的性能。
修改es/lucene默认的设置,比如
<代码> refresh_interval 代码>,
<代码>索引。number_of_replicas 代码>,
<代码> index.merge.scheduler.max_thread_count 代码>,
<代码> index.translog.interval 代码>,
<代码> indices.memory.index_buffer_size 代码>
<代码>索引。index_concurrency 代码>
等参数。这里是从集群的角度进行调优,通常用于大批量导入数据到ES。
集群大了后,各个结点的功能就需要单一化,专注化了。李>
比如节点只承担数据相关的任务。
<代码>节点。师父:假 节点。数据:真正的 节点。摄入:假代码>
大部分api的批量值需要实验,找到最佳参数。建议散装的大小在5 ~ 10 m。
使用SSD硬盘。索引数据时,副本数设置为0。
参考:http://note4code.com/2016/06/17/hive-%E5%90%91-elasticsearch-%E5%AF%BC%E5%87%BA%E6%95%B0%E6%8D%AE/