spark集群--elasticsearch

• spark集群搭建
• elasticsearch读写数据

====================================================

• spark集群搭建
  • spark官网：http://spark.apache.org
  • 各个版本：spark-2.1.0， java 1.8.0_121以及elasticsearch-5.2.0
  • 本集群利用的是spark的独立集群管理器
  • 准备N台服务器（1台主节点，n-1台工作节点）
  • 分别将N台机器装上java 1.8.0_121以及将spark-2.1.0-bin-hadoop2.7.tgz解压到相同目录下
  • 设置好从主节点机器到其他机器的SSH无密码登录（本事例采用的dsa）
  • 编辑主节点的 SPARK_HOME/config/slavers文件并填上所有工作节点的ip（1.此处可随个人爱好填写主机名。2.多工作节点用空格分割）
  • 在主节点上启动集群 SPARK_HOME/sbin/start-all.sh
  • 访问 http://主节点:8080 来查看集群状态
  • 提交应用 SPARK_HOME/bin/spark-submit --master spark://XXX:7077 yourapp
  • 访问 http://主节点:8080 来查看您的应用是否正常运行（1.Running Applications 有你的appname。2.列出了所使用的核心和内存均大于0）
  • 事例如下
  • 
  • 备注：不知道什么原因，集群的时候 需要在SPARK_HOME/conf/spark-env.sh 再次设置下JAVA_HOME，工作节点读取不到JAVA_HOME的环境变量

 

• elasticsearch读写数据

   

  • 引用的jar包

  •       <dependency>
                <groupId>org.apache.spark</groupId>
                <artifactId>spark-core_2.10</artifactId>
                <version>2.1.0</version>
            </dependency>
    
            <dependency>
                <groupId>org.apache.spark</groupId>
                <artifactId>spark-hive_2.10</artifactId>
                <version>2.1.0</version>
            </dependency>
    
            <dependency>
                <groupId>org.elasticsearch</groupId>
                <artifactId>elasticsearch-spark-20_2.11</artifactId>
                <version>5.1.2</version>
            </dependency>

     

  • 读取数据

  •  
    SparkConf conf = new SparkConf().setAppName("e").setMaster("spark://主节点:7077");
    conf.set("es.nodes", "elasticsearchIP");
    conf.set("es.port", "9200");
    
    JavaSparkContext jsc = new JavaSparkContext(conf);
    JavaRDD<Map<String, Object>> esRDD =
                    JavaEsSpark.esRDD(jsc, "logstash-spark_test/spark_test", "?q=selpwd").values();

     

  • 写数据

  •     JavaEsSpark.saveToEs(inJPRDD.values(), "logstash-spark_test/spark_test");