把Hive 数据同步到Elasticsearch7.1.1的过程记录

由于开发工作的需要把数据从Hive导入到Elasticsearch,最开始使用了java写了个程序跑数据，80W的数据跑了2个小时左右，想想1000W数据那得要一天的时间，这效率到一次痛苦一次，就放弃了最初的想法，找到了用了hive的的方法，直接把数据导入到elasticsearch，以下是创建过程。

1，准备工作，准备jar包elasticsearch-hadoop-7.1.1，org.apache.commons.httpclient-3.1.jar

2，在hive中添加jar包。

3，建立一张和es连接的表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的数据插入到上面建立的表中。即可自动完成数据的同步操作。

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，导入80w的成果,只要470秒

 

　　在这次导入的过程中踩到的坑，由于Hive是以前就安装的，使用的是系统自带的Java环境，默认是/usr/lib/jdk，版本是jdk7，但是es7要求的是jdk，我就在原来系统上引入了一个jdk8，安装路径是在/usr/lib/java8，然后知道es的java环境到8，造成两边jdk版本不一致从而导入在创建关联时产生错误。解决方法，①可以把hive 的也指定到jdk8上来，但需要修改配置文件。②把自带的jdk替换成jdk8，es不需要配置jdk8的指定，使用的就是系统默认的。