Question

使用PySpark我正在尝试从elasticsearch读取数据。通常，我会将查询设置为沿线的内容（请参见下面的查询），并将es.resource设置为诸如“ my_index / doc”之类的索引，并且能够将数据读取到spark中：

q ="""{
          "query": {
              "match_all": {}
          }  
      }"""

但是，最近我在kibana和JDBC与其他SQL客户端一起尝试了_xpack / sql，它们在获取数据方面非常有效。但是，当我尝试在pyspark代码中引用_xpack时，出现以下错误：

Py4JJavaError: An error occurred while calling 
z:org.apache.spark.api.python.PythonRDD.newAPIHadoopRDD.
: org.elasticsearch.hadoop.rest.EsHadoopInvalidRequest: 
org.elasticsearch.hadoop.rest.EsHadoopRemoteException: 
invalid_index_name_exception: Invalid index name [_xpack], must not start with '_'.
null

有人尝试过使用_xpack还是知道如何从Elasticsearch hadoop插件执行Elasticsearch SQL查询？

在下面，您将找到我想用于在pyspark上执行的代码摘录！

q = """{"query": "select * from eg_flight limit 1"}"""

es_read_conf = {
    "es.nodes" : "192.168.1.71,192.168.1.72,192.168.1.73",
    "es.port" : "9200",
    "es.resource" :  "_xpack/sql",
    "es.query" : q
}

es_rdd = sc.newAPIHadoopRDD(
    inputFormatClass="org.elasticsearch.hadoop.mr.EsInputFormat",
    keyClass="org.apache.hadoop.io.NullWritable", 
    valueClass="org.elasticsearch.hadoop.mr.LinkedMapWritable", 
    conf=es_read_conf)

Answer 1

我认为不支持此功能。 PySpark中的另一种解决方案是使用JDBC驱动程序，我曾尝试过。我尝试了以下方法：

es_df = spark.read.jdbc(url="jdbc:es://http://192.168.1.71:9200", table = "(select * from eg_flight) mytable")

我收到以下错误：

Py4JJavaError: An error occurred while calling o2488.jdbc.
: java.sql.SQLFeatureNotSupportedException: Found 1 problem(s)
line 1:8: Unexecutable item

...

一种替代方法是使用核心Python并以此进行请求，但我不建议将其用于大型数据集。

import requests as r
import json


es_template = {
    "query": "select * from eg_flight"
}

es_link = "http://192.168.1.71:9200/_xpack/sql"
headers = {'Content-type': 'application/json'}


if __name__ == "__main__":

    load = r.post(es_link, data=json.dumps(es_template), headers=headers)
    if load.status_code == 200:
        load = load.json()
        #do something with it

有没有人能够在Spark上使用elasticsearch xpack sql？

1 个答案: