Question

我们将一些json数据存储到HDFS中，我们尝试使用elasticsearch-hadoop map reduce将数据摄取到Elasticsearch中。

我们使用的代码非常简单（下面）

public class TestOneFileJob extends Configured implements Tool {

    public static class Tokenizer extends MapReduceBase
            implements Mapper<LongWritable, Text, LongWritable, Text> {

        @Override
        public void map(LongWritable arg0, Text value, OutputCollector<LongWritable, Text> output,
                Reporter reporter) throws IOException {

            output.collect(arg0, value);
        }

    }

    @Override
    public int run(String[] args) throws Exception {

        JobConf job = new JobConf(getConf(), TestOneFileJob.class);

        job.setJobName("demo.mapreduce");
        job.setInputFormat(TextInputFormat.class);
        job.setOutputFormat(EsOutputFormat.class);
        job.setMapperClass(Tokenizer.class);
        job.setSpeculativeExecution(false);

        FileInputFormat.setInputPaths(job, new Path(args[1]));

        job.set("es.resource.write", "{index_name}/live_tweets");

        job.set("es.nodes", "els-test.css.org");

        job.set("es.input.json", "yes");
        job.setMapOutputValueClass(Text.class);

        JobClient.runJob(job);

        return 0;
    }

    public static void main(String[] args) throws Exception {
        System.exit(ToolRunner.run(new TestOneFileJob(), args));
    }
}

此代码工作正常，但我们有两个问题。

第一个问题是es.resource.write属性的值。目前，它由json的属性index_name提供。

如果json包含类型为array的属性，如

{
"tags" : [{"tag" : "tag1"}, {"tag" : "tag2"}]
}

我们如何配置es.resource.write以获取第一个tag值？

我们尝试使用{tags.tag}和{tags[0].tag}，但要么不起作用。

另一个问题是，如何在tags属性的两个值中将作业索引作为json文档？

Answer 1

我们通过以下方式解决了这两个问题

1-在run方法中，我们将es.resource.write的值设为如下

job.set("es.resource.write", "{tag}/live_tweets");

2-在map函数中，我们使用gson库将json转换为对象

Object currentValue = gson.fromJson(jsonString, Object.class);

这里的对象是我们拥有的json的POJO

3-从Object我们可以提取我们想要的标签，并将其值作为新属性添加到json。

前面的步骤解决了第一个问题。关于第二个问题（如果我们希望根据标签的数量将相同的json存储到多个索引中），我们只需循环遍历json中的标签并更改我们添加的标签属性，然后再将json传递给收集器。以下是此步骤所需的代码。

@Override
        public void map(LongWritable arg0, Text value, OutputCollector<LongWritable, Text> output, Reporter reporter)
                throws IOException {

            List<String> tags = getTags(value.toString());

            for (String tag : tags) {

                String newJson = value.toString().replaceFirst("\\{", "{\"tag\":\""+tag+"\",");

                output.collect(arg0, new Text(newJson));
            }
        }

使用elasticsearch-hadoop map-reduce将json从HDFS写入Elasticsearch

1 个答案: