MRS Hive组件接入集群

在大数据分析场景中，Hive擅长海量数据的批处理，而Elasticsearch则是实时搜索与分析的利器，但在实际业务中，如何打破两者之间的数据孤岛，实现数据加工与实时检索的高效流转是架构设计的关键。通过ES-Hadoop工具可以将MRS Hive的大数据处理能力与CSS Elasticsearch的实时检索能力无缝结合，直接在Hive中通过“外表”形式读写Elasticsearch数据，既保留了Hadoop生态的操作习惯，又获得了秒级搜索响应性能。

方案介绍

ES-Hadoop是一个连接Hadoop体系与Elasticsearch的库，它允许MapReduce、Hive、Spark等工具直接读写Elasticsearch索引。

在MRS Hive接入场景中，ES-Hadoop充当了“协议转换层”。当您在Hive中执行SQL查询语句时，ES-Hadoop会将Hive的执行计划转换为Elasticsearch的REST请求。

图1 MRS Hive组件接入Elasticsearch集群
点击放大

更多ES-Hadoop与Hive的介绍请参见官方文档Apache Hive integration。

准备工作

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，使CSS和MRS之间网络互通。
下载ES-Hadoop软件包，并解压zip包获取“elasticsearch-hadoop-x.x.x.jar”文件。建议ES-Hadoop版本与CSS集群保持一致，例如Elasticsearch 7.6.2对应使用ES-Hadoop 7.6.2。
下载地址：https://www.elastic.co/downloads/hadoop
下载HttpClient依赖包“commons-httpclient-x.x.jar”，建议3.1及以上版本。
下载地址：https://mvnrepository.com/artifact/commons-httpclient/commons-httpclient
获取CSS集群的内网访问地址。

接入集群

校验MRS和CSS的网络连通性。

获取Elasticsearch集群的内网访问地址。

在MRS集群节点上通过Curl命令行检查网络连通性，需要确保MRS集群的每个节点都能连通Elasticsearch集群。登录MRS集群节点的操作步骤请参见登录集群节点。

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。当密码中存在特殊字符时，请将用户名和密码加上单引号进行强引用，例如“curl -u 'user':'password!' "http://<host>:<port>"”。

依赖包上传至HDFS托管。确保Hive所有的计算节点都能访问到ES-Hadoop的驱动。
1. 将下载的“elasticsearch-hadoop-x.x.x.jar”和“commons-httpclient-x.x.jar”上传至MRS客户端。安装MRS客户端的操作指导请参见安装客户端（3.x及之后版本）。
2. 在MRS客户端创建HDFS目录，并将JAR包存入HDFS。
```
hadoop fs -mkdir /tmp/hadoop-es
hadoop fs -put elasticsearch-hadoop-x.x.x.jar /tmp/hadoop-es
hadoop fs -put commons-httpclient-x.x.jar /tmp/hadoop-es
```
（可选）转换与分发安全证书。当接入安全模式+HTTPS协议的Elasticsearch集群时，需要解决Java环境对Elasticsearch自签名证书的信任问题。
1. 获取安全证书（CloudSearchService.cer）。
  1. 登录云搜索服务管理控制台。
  2. 在左侧导航栏，选择“集群管理 > Elasticsearch”。
  3. 在集群列表，单击目标集群名称，进入集群详情页。
  4. 选择“概览”页签，在“网络信息”下方，单击“HTTPS访问”的“下载证书”获取安全证书。
    图2 下载安全证书
2. 转换安全证书的格式。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. 全量分发安全证书。使用scp命令将“.jks”证书文件发送到MRS集群所有节点的相同路径，如“/tmp”。同时，要确保omm用户有权限读取该文件，设置权限的参考命令如下：
```
chown -R omm truststore.jks
```
Hive会话初始化。在当前Hive进程中加载ES-Hadoop驱动。
1. 从MRS客户端登录到Hive客户端，操作指导请参见Hive客户端使用实践。
2. 在Hive客户端，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;
```
  该命令只对当前会话有效。

创建Hive外表并关联Elasticsearch索引。建立Hive表结构与Elasticsearch索引字段的映射关系。

连接非安全模式的集群

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'
);

连接安全模式+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'
);

连接安全模式+HTTPS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' = 'https://xxx.xxx.xxx.xxx:9200',
    'es.port' = '9200',
    'es.net.ssl' = 'true', 
    'es.net.ssl.truststore.location' = 'certFilePath',
    'es.net.ssl.truststore.pass' = 'certPassword',
    '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	说明
es.nodes	localhost	Elasticsearch集群的访问地址。
es.port	9200	Elasticsearch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。取值范围： true：使用。 false：不使用。设置为true时，可能会导致索引在预读阶段的时间明显变长，有时会远超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	指定目标索引及类型。
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。取值范围： true：启用SSL，需要配置安全证书信息。 false：不启用SSL。
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”）。取值范围： true：配置了独立的Client节点。 false：未配置独立的Client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。

结果验证。
1. 在Hive客户端写入数据：
```
INSERT INTO TABLE student VALUES (1, "Lucy", "address1"), (2, "Lily", "address2");
```
2. 在Hive客户端查询数据。
```
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)
```
3. 在Kibana页面，搜索数据，确认数据已落盘。
  1. 在Elasticsearch集群列表，选择目标集群，单击操作列的“Kibana”，登录Kibana。
  2. 在Kibana左侧导航栏选择“Dev Tools”，进入操作页面。
    控制台左侧是命令输入框，其右侧的三角形图标为执行按钮，右侧区域则显示执行结果。
  3. 执行查询命令，查看查询结果。
```
GET /student/_search
```
    图3 kibana查询结果