把Hive 數據同步到Elasticsearch7.1.1的過程記錄

由於開發工作的需要把數據從Hive導入到Elasticsearch,最開始使用了java寫了個程序跑數據，80W的數據跑了2個小時左右，想想1000W數據那得要一天的時間，這效率到一次痛苦一次，就放棄了最初的想法，找到了用了hive的的方法，直接把數據導入到elasticsearch，以下是創建過程。

1，准備工作，准備jar包elasticsearch-hadoop-7.1.1，org.apache.commons.httpclient-3.1.jar

2，在hive中添加jar包。

3，建立一張和es連接的表hiveToEsTable.

CREATE EXTERNAL TABLE temp.hiveToEsTable (
    id,
    uscc string,
    remov_dt string,
    lpr_cert_num string,
    cont_tel string,
    license_no string,
    license_item string,
    license_begin_dt string,
    license_end_dt string,
    license_fz_dt string,
    license_certi_stat string,
    remov_reas string,
    KEY string
) STORED BY 'org.elasticsearch.hadoop.hive.EsStorageHandler' TBLPROPERTIES (
    ##es的索引
    'es.resource' = 'es_index',
    ##es的id
    'es.mapping.id' = 'id',
    'es.mapping.date.rich' = 'false',
    'es.write.operation' = 'upsert',
    ##es所在的ip
    'es.nodes' = '192.168.0.199',
    ##es端口
    'es.port' = '9200'
);

 

4.把要添加的es的數據插入到上面建立的表中。即可自動完成數據的同步操作。

INSERT overwrite TABLE temp.hiveToEsTable SELECT
    id,
    uscc string,
    remov_dt string,
    lpr_cert_num string,
    cont_tel string,
    license_no string,
    license_item string,
    license_begin_dt string,
    license_end_dt string,
    license_fz_dt string,
    license_certi_stat string,
    remov_reas string,
    KEY string
FROM
    csum.sourceTable

5，導入80w的成果,只要470秒

 

　　在這次導入的過程中踩到的坑，由於Hive是以前就安裝的，使用的是系統自帶的Java環境，默認是/usr/lib/jdk，版本是jdk7，但是es7要求的是jdk，我就在原來系統上引入了一個jdk8，安裝路徑是在/usr/lib/java8，然后知道es的java環境到8，造成兩邊jdk版本不一致從而導入在創建關聯時產生錯誤。解決方法，①可以把hive 的也指定到jdk8上來，但需要修改配置文件。②把自帶的jdk替換成jdk8，es不需要配置jdk8的指定，使用的就是系統默認的。