通过ES-Hadoop实现Hive读写Elasticsearch数据

Elasticsearch-Hadoop (ES-Hadoop) 连接器将 Hadoop 海量的数据存储和深度加工能力与 Elasticsearch 实时搜索和分析功能结合在一起。它能够让您快速深入了解大数据，并让您在 Hadoop 生态系统中更好地开展工作。

本文通过MRS的ES-Hadoop与CSS集群连接作为示例，你可以配置其他任何需要使用ES集群的应用。如有需要，也可以参考本文在其他服务中使用Elasticsearch，前提是要保证客户端与Elasticsearch集群网络连通。

准备工作

CSS集群处于可用状态。
确保客户端与CSS集群的网络是互通的。

确保CSS集群和MRS集群在同一个区域、可用区、虚拟私有云和子网。
图1 CSS集群的区域等信息

操作步骤

获取集群的内网访问地址。访问集群时，需要输入内网访问地址。
1. 在云搜索服务管理控制台，单击左侧导航栏的“集群管理”。
2. 在集群管理列表页面，选择需要访问的集群，获取并记录“内网访问地址”，一般是“<host>:<port>”或“<host>:<port>,<host>:<port>”样式。
  如果集群只有一个节点，此处仅显示1个节点的IP地址和端口号，例如“10.62.179.32:9200”；如果集群有多个节点，此处显示所有节点的IP地址和端口号，例如“10.62.179.32:9200,10.62.179.33:9200”。
登录MRS集群节点，操作步骤请参见。

在MRS集群节点上通过curl命令检查网络连通性，需要确保MRS集群的每个节点都能连通CSS集群。

非安全模式的集群
```
curl -X GET http://<host>:<port>
```

安全模式+HTTP协议的集群

curl -X GET http://<host>:<port> -u <user>:<password>

安全模式+HTTPS协议的集群

curl -X GET https://<host>:<port> -u <user>:<password> -ik

表1 变量说明
变量名	说明
<host>	集群中各节点的IP地址，当集群包含多个节点时，会存在多个IP地址，可以任选其中一个发送。
<port>	集群节点的访问端口号，一般为9200。
<user>	访问集群的用户名。
<password>	用户名对应的密码。

下载ES-Hadoop的lib包，并解压zip包获取“elasticsearch-hadoop-x.x.x.jar”文件。版本需要与CSS集群版本一致，例如CSS集群是7.6.2版本，则建议下载elasticsearch-hadoop-7.6.2.zip。
下载httpclient依赖包commons-httpclient:commons-httpclient-3.1.jar，其中3.1为版本号，建议用户根据实际需要选择。
安装MRS客户端，如果已经安装可以跳过该步骤，未安装的请参见。
登录MRS客户端，将下载的ES-Hadoop和httpclient的jar依赖包上传到MRS客户端。

在MRS客户端创建HDFS目录，将ES-Hadoop lib包和httpclient依赖包上传到该目录下。

hadoop fs -mkdir /tmp/hadoop-es
hadoop fs -put elasticsearch-hadoop-x.x.x.jar /tmp/hadoop-es
hadoop fs -put commons-httpclient-3.1.jar /tmp/hadoop-es

从MRS客户端登录到Hive客户端，具体操作请参见。
在Hive客户端，添加ES-Hadoop lib包和httpclient依赖包。该命令只对当前会话有效。
输入beeline或hive进入到执行界面，执行如下命令：
```
add jar hdfs:///tmp/hadoop-es/commons-httpclient-3.1.jar;
add jar hdfs:///tmp/hadoop-es/elasticsearch-hadoop-x.x.x.jar;
```

在Hive客户端，创建Hive外表。

非安全模式的集群

CREATE EXTERNAL table IF NOT EXISTS student( 
   id BIGINT,
   name STRING,
   addr STRING 
)  
STORED BY 'org.elasticsearch.hadoop.hive.EsStorageHandler' 
TBLPROPERTIES(  
    'es.nodes' = 'xxx.xxx.xxx.xxx:9200',
    'es.port' = '9200',
    'es.net.ssl' = 'false', 
    'es.nodes.wan.only' = 'false', 
    'es.nodes.discovery'='false',
    'es.input.use.sliced.partitions'='false',
    'es.resource' = 'student/_doc'
);

安全模式+HTTP协议的集群

CREATE EXTERNAL table IF NOT EXISTS student( 
   id BIGINT,
   name STRING,
   addr STRING 
)  
STORED BY 'org.elasticsearch.hadoop.hive.EsStorageHandler' 
TBLPROPERTIES(  
    'es.nodes' = 'xxx.xxx.xxx.xxx:9200',
    'es.port' = '9200',
    'es.net.ssl' = 'false', 
    'es.nodes.wan.only' = 'false', 
    'es.nodes.discovery'='false',
    'es.input.use.sliced.partitions'='false',
    'es.nodes.client.only'='true'，
    'es.resource' = 'student/_doc',
    'es.net.http.auth.user' = 'username', 
    'es.net.http.auth.pass' = 'password'
);

安全模式+HTTPS协议的集群
1. 获取安全证书“CloudSearchService.cer”。
  1. 登录云搜索服务控制台。
  2. 选择“集群管理”进入集群列表。
  3. 单击对应集群的名称，进入集群基本信息页面。
  4. 在“基本信息”页面，单击“HTTPS访问”后面的“下载证书”。
2. 转换安全证书（CloudSearchService.cer）。将下载的安全证书上传到客户端机器上，使用keytool工具将“.cer”证书转换成Java可以读取的“.jks”证书格式。
  - 在Linux系统中，执行如下命令转换证书。
```
keytool -import -alias newname -keystore ./truststore.jks -file ./CloudSearchService.cer 
```
  - 在Windows系统中，执行如下命令转换证书。
```
keytool -import -alias newname -keystore .\truststore.jks -file .\CloudSearchService.cer
```
  其中，newname是由用户自定义的证书名称。
  
  该命令执行后，会提示设置证书密码，并确认密码。请保存该密码，后续接入集群会使用。
3. 将“.jks”文件分发到MRS集群的每个节点的相同路径，如“/tmp”，可以使用scp命令进行文件传输。同时，要确保omm用户有权限读取该文件，设置权限可以参考如下命令：
```
chown -R omm truststore.jks
```
4. 创建Hive外表。
```
CREATE EXTERNAL table IF NOT EXISTS student( 
   id BIGINT,
   name STRING,
   addr STRING 
)  
STORED BY 'org.elasticsearch.hadoop.hive.EsStorageHandler' 
TBLPROPERTIES(  
    'es.nodes' = 'https://xxx.xxx.xxx.xxx:9200',
    'es.port' = '9200',
    'es.net.ssl' = 'true', 
    'es.net.ssl.truststore.location' = 'cerFilePath',
    'es.net.ssl.truststore.pass' = 'cerPassword',
    'es.nodes.wan.only' = 'false', 
    'es.nodes.discovery'='false',
    'es.nodes.client.only'='true'，
    'es.input.use.sliced.partitions'='false',
    'es.resource' = 'student/_doc',
    'es.net.http.auth.user' = 'username', 
    'es.net.http.auth.pass' = 'password'
);
```

表2 ES-Hadoop参数说明
参数	默认值	描述
es.nodes	localhost	CSS集群的访问地址，可以集群列表页面查看“内网访问地址”。
es.port	9200	集群的访问端口号，一般为“9200”。
es.nodes.wan.only	false	是否进行节点嗅探。
es.nodes.discovery	true	是否禁用节点发现。
es.input.use.sliced.partitions	true	是否使用slice分区： true：使用。 false：不使用。说明：设置为true，可能会导致索引在预读阶段的时间明显变长，有时会远远超出查询数据所耗费的时间。建议设置为false，以提高查询效率。
es.resource	NA	指定要读写的Index和type。
es.net.http.auth.user	NA	访问集群的用户名，只有启用了安全模式才需要配置此值。
es.net.http.auth.pass	NA	用户名所对应的密码，只有启用了安全模式才需要配置此值。
es.net.ssl	false	是否启用SSL，启用后需要配置安全证书信息。
es.net.ssl.truststore.location	NA	“.jks”证书文件的路径，如“file:///tmp/truststore.jks”。
es.nodes.client.only	false	是否配置了独立的Client节点的IP地址给es.nodes（即创建Elasticsearch集群时是否“启用Client节点”）。如果是，则需要将该值改为“true”，否则会报错找不到data节点。
es.net.ssl.truststore.pass	NA	“.jks”证书文件的密码。

更多ES-Hadoop配置项说明请参见官方配置说明。

在Hive客户端，插入数据。

INSERT INTO TABLE student VALUES (1, "Lucy", "address1"), (2, "Lily", "address2");

在Hive客户端，执行查询。

select * from student;

查询结果如下：

+-------------+---------------+---------------+
| student.id  | student.name  | student.addr  |
+-------------+---------------+---------------+
| 1           | Lucy          | address1      |
| 2           | Lily          | address2      |
+-------------+---------------+---------------+
2 rows selected (0.116 seconds)