如何将Spark Dataframe 推送到ElasticSearch(Spark源)

slhcrj9b  于 2022-09-20  发布在  Spark
关注(0)|答案(2)|浏览(190)

这里是初学者的问题

将Spark Dataframe推送到ElasticSearch的工作流程或步骤是什么?

根据研究,我认为我需要使用spark.newAPIHadoopFile()方法。

然而,通过Elastic Search Documentationother Stack Q/A's的挖掘,我仍然对参数需要采用什么格式以及为什么这样做感到有点困惑

注意,我使用的是pyspark,这是ES的一个新表(不存在索引),而df是5列(2个字符串类型、2个LONG类型、1个int列表),大约有3.5M行。

x7rlezfr

x7rlezfr1#

这对我很有效--我的数据存储在df中。

df = df.drop('_id')
df.write.format(
    "org.elasticsearch.spark.sql"
).option(
    "es.resource", '%s/%s' % (conf['index'], conf['doc_type'])
).option(
    "es.nodes", conf['host']
).option(
    "es.port", conf['port']
).save()

我使用此命令提交了我的作业-/path/to/spark-submit --master spark://master:7077 --jars ./jar_files/elasticsearch-hadoop-5.6.4.jar --driver-class-path ./jar_files/elasticsearch-hadoop-5.6.4.jar main_df.py

uxh89sit

uxh89sit2#

我设法找到了答案,所以我来分享。Spark df(来自pyspk.sql)目前不支持newAPIHadoopFile()方法;但是,df.rdd.saveAsNewAPIHadoopFile()也给了我错误。诀窍是通过以下函数将df转换为字符串

def transform(doc):
    import json
    import hashlib

    _json = json.dumps(doc)
    keys = doc.keys()
    for key in keys:
        if doc[key] == 'null' or doc[key] == 'None':
            del doc[key]
    if not doc.has_key('id'):
        id = hashlib.sha224(_json).hexdigest()
        doc['id'] = id
    else:
        id = doc['id']
    _json = json.dumps(doc)
    return (id, _json)

因此,我的JSON工作流程是:

1:df = spark.read.json('XXX.json')

2:rdd_mapped = df.rdd.map(lambda y: y.asDict())

3:final_rdd = rdd_mapped.map(transform)

4:

final_rdd.saveAsNewAPIHadoopFile(
     path='-', 
     outputFormatClass="org.elasticsearch.hadoop.mr.EsOutputFormat",
     keyClass="org.apache.hadoop.io.NullWritable",  
     valueClass="org.elasticsearch.hadoop.mr.LinkedMapWritable", 
     conf={ "es.resource" : "<INDEX> / <INDEX>", "es.mapping.id":"id", 
         "es.input.json": "true", "es.net.http.auth.user":"elastic",
         "es.write.operation":"index", "es.nodes.wan.only":"false",
         "es.net.http.auth.pass":"changeme", "es.nodes":"<NODE1>, <NODE2>, <NODE3>...",
         "es.port":"9200" })

更多information on ES arguments can be found here(滚动到“配置”)

相关问题