hive读取es数据
转自：https://www.iteblog.com/archives/1857.html
本文将介绍如何通过Hive来读取ElasticSearch中的数据，然后我们可以像操作其他正常Hive表一样，使用Hive来直接操作ElasticSearch中的数据，将极大的方便开发人员。本文使用的各组件版本分别为 Hive0.12、Hadoop-2.2.0、ElasticSearch 2.3.4。
我们先来看看ElasticSearch中相关表的mapping：
{
"user":
{
"properties":
{
"regtime":
{
"index":
"not_analyzed",
"type":
"string"
},
"uid":
{
"type":
"integer"
},
"mobile":
{
"index":
"not_analyzed",
"type":
"string"
},
"username":
{
"index":
"not_analyzed",
"type":
"string"
}
}
}
}
|
ElasticSearch中的index名为iteblog，type为user；user有regtime、uid、mobile以及username四个属性。现在我们在Hive端进行操作。
要让Hive能够操作ElasticSearch中的数据我们需要对Hive进行一些设置。值得高兴的是，ElasticSearch官方为我们提供了一些类库可以实现这些要求。我们需要引入相应的elasticsearch-hadoop-xxx.jar包，因为我们得ElasticSearch版本是2.x的，所以我们最少需要使用ES-Hadoop 2.2.x，本文使用的是elasticsearch-hadoop-2.3.4.jar，这个可以到Maven中央仓库下载。要让Hive能够加载elasticsearch-hadoop-2.3.4.jar文件有好几种方式：
1、直接通过add命令加载，如下：
hive
> ADD JAR /home/iteblog/elasticsearch-hadoop-2.3.4.jar;
Added
[/home/iteblog/elasticsearch-hadoop-2.3.4.jar]
to class path
Added
resources: [/home/iteblog/elasticsearch-hadoop-2.3.4.jar]
|
2、我们还可以在启动Hive的时候进行设置，如下：
$
bin/hive
--auxpath=/home/iteblog/elasticsearch-hadoop-2.3.4.jar
|
3、我们还可以通过设置hive.aux.jars.path属性来实现：
$
bin/hive
-hiveconf hive.aux.jars.path=/home/iteblog/elasticsearch-hadoop-2.3.4.jar
|
或者我们把这个设置直接写到hive-site.xml中，以便后面方便：
<property>
<name>hive.aux.jars.path</name>
<value>/home/iteblog/elasticsearch-hadoop-2.3.4.jar</value>
<description>A
comma separated list (with no spaces) of the jar files</description>
</property>
|
大家可以根据自己实际情况选择设置。设置好ElasticSearch相关类库之后，我们就可以到Hive中创建表了。为了方便，我们直接将Hive中各个字段以及类型设置成和ElasticSearch中一样：
hive
(iteblog)> create
EXTERNAL table
`user`(
>
regtime string,
>
uid int,
>
mobile string,
>
username string
>
)
>
STORED BY
'org.elasticsearch.hadoop.hive.EsStorageHandler'
>
TBLPROPERTIES('es.resource'
= 'iteblog/user',
'es.nodes'='www.iteblog.com',
'es.port'='9200',
'es.nodes.wan.only'='true');
|
到这里，我们已经已经可以在Hive里面查询ElasticSearch中的数据了：
hive
(iteblog)> select
* from `user` limit 10;
OK
2016-10-24
13:08:16 1 13112121212 Tom
2016-10-24
14:08:16 2 13112121212 Join
2016-10-25
14:23:16 3 13112121212 iteblog
2016-10-25
13:08:16 4 NULL weixin
2016-10-25
19:08:16 5 13112121212 bbs
2016-10-25
13:14:04 6 NULL zhangshan
2016-10-25
13:08:16 7 13112121212 wangwu
2016-10-25
14:56:16 8 13112121212 Joan
2016-10-25
15:25:16 9 13112121212 White
2016-10-25
17:24:16 0 NULL lihhh
Time
taken: 0.072 seconds, Fetched: 10 row(s)
|
如上所述，我们已经成功通过Hive查询到ElasticSearch中的数据了。如果你在通过Hive查询ElasticSearch中的数据遇到如下异常：
Failed
with exception java.io.IOException:org.elasticsearch.hadoop.EsHadoopIllegalArgumentException: Cannot detect ES version - typically this happens
if
the network/Elasticsearch
cluster is not accessible or when targeting a WAN/Cloud
instance without the proper setting 'es.nodes.wan.only'
|
这个很可能是因为你配置错了 es.nodes 或者 es.port 属性了。
在上面的例子中，我们为了方便将Hive中的字段设置成和ElasticSearch中一样；但实际情况下，我们可能无法将Hive中的字段和ElasticSearch保持一致，这时候我们需要在创建Hive表的时候做一些设置，否则将会出现错误。我们可以通过 es.mapping.names 参数实现，如下：
hive
(iteblog)> create
EXTERNAL table
`user`(
>
register_time string,
>
user_id int,
>
mobile string,
>
username string
>
)
>
STORED BY
'org.elasticsearch.hadoop.hive.EsStorageHandler'
>
TBLPROPERTIES('es.resource'
= 'iteblog/user',
'es.nodes'='www.iteblog.com',
'es.port'='9200',
'es.nodes.wan.only'='true','es.mapping.names'='register_time:regtime,user_id:uid');
|
然后我们就可以将Hive中的 register_time 映射到ElasticSearch中的 regtime 字段； user_id 映射到ElasticSearch中的 uid 字段。
在创建Hive表的时候，我们还可以通过制定 es.query 来限制需要查询的数据，如下：
hive
(iteblog)> create
EXTERNAL table
`user`(
>
regtime string,
>
uid int,
>
mobile string,
>
username string
>
)
>
STORED BY
'org.elasticsearch.hadoop.hive.EsStorageHandler'
>
TBLPROPERTIES('es.resource'
= 'iteblog/user',
'es.nodes'='www.iteblog.com',
'es.port'='9200',
'es.nodes.wan.only'='true','es.query'
= '?q=uid:2');
|
上面的查询仅返回uid为2的数据（关于查询条件设置可以参见《23种非常有用的ElasticSearch查询例子(1)》），然后我们可以看效果：
hive
(iteblog)> select
* from `user` limit 10;
OK
2016-10-24
14:08:16 2 13112121212 Join
Time
taken: 0.023 seconds, Fetched: 1 row(s)
|
我们可以看到，uid为2的数据才返回了，其他的数据被过滤了。
在一些需要启动MapReduce任务来完成的SQL，Hive启动的Map个数和ElasticSearch中的分片个数一致，也就是每个分片使用一个Map任务来处理。