es和大数据什么关系 es大数据存储

使用场景

ElasticSearch是一款开源的非常火爆的文档索引引擎, 大小公司都比较青睐的一款做日志检索、分析、查询的工具。

但是ElasticSearch的数据依靠本地磁盘来做存储，虽然有三副本机制来保障数据的可靠性，但是磁盘的容量毕竟有限，如果希望保留更长时间的历史数据，如30天至半年的数据，ElasticSearch的本地存储就显得捉襟见肘了。

为了更好的满足历史数据的保存和检索，推荐一种非常靠谱的存储解决方案：ES + CHDFS。

云 HDFS（Cloud HDFS，CHDFS）是腾讯云存储团队新推出的一款完全兼容HDFS协议，主要解决大数据场景下海量数据存储和数据分析，能够为大数据用户在无需更改现有代码的基础上，将本地自建的 HDFS 文件系统无缝迁移至CHDFS 上。可以将ES中的历史索引数据移动到CHDFS保存。

接下来，我们将一步一步地教您如何打通ES到CHDFS的数据流。

准备工作

在开始前，需要做以下几件事情：

1. 搭建hadoop环境，2.x和3.x均可。也可以使用腾讯云EMR套件，省时省力；

2. 安装ES-hadoop插件，作者下载的是elasticsearch-hadoop-7.4.2.jar(下载地址：http://t.cn/AiempNYA)，下载后将插件安装到hadoop组件的每台服务器上的classpath中(可以使用java classpath命令查看)；

3. 下载CHDFS插件，并且配置好CHDFS的插件(查看详情：http://b6i.cn/3GtN5)；

4. 创建CHDFS文件系统并配置好权限组和挂载点(查看详情：http://t.cn/AiemO04v)；

当上面4个步骤均准备成功，恭喜你，离成功越来越近了。

编写备份代码

编写MapReduce程序，编写自己的Mapper，示例：

package org.chdfs.es_chdfs;


import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import org.elasticsearch.hadoop.mr.LinkedMapWritable;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;


import java.io.IOException;


class TestMapper extends Mapper<Text, LinkedMapWritable, Text, LinkedMapWritable> {


    private static final Logger LOG = LoggerFactory.getLogger(TestMapper.class);


    @Override
    protected void setup(Context context) throws IOException, InterruptedException {
        super.setup(context);
    }


    @Override
    protected void map(Text key, LinkedMapWritable value, Context context)
            throws IOException, InterruptedException {
        context.write(key, value);
    }


    @Override
    protected void cleanup(Context context) throws IOException, InterruptedException {
        super.cleanup(context);
    }


}

编写Main函数，指定ES的实例及索引，示例代码：

package org.chdfs.es_chdfs;


import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;


import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.elasticsearch.hadoop.mr.EsInputFormat;
import org.elasticsearch.hadoop.mr.LinkedMapWritable;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;


public class EsToCHDFS {
    private static Logger LOG = LoggerFactory.getLogger(EsToCHDFS.class);


    public static void main(String[] args) {
        try {
            Configuration conf = new Configuration();
            conf.setBoolean("mapred.map.tasks.speculative.execution", false);
            conf.setBoolean("mapred.reduce.tasks.speculative.execution", false);
            //ElasticSearch节点
            conf.set("es.nodes", "10.0.1.11:9200");
            //ElaticSearch 索引
            conf.set("es.resource", "logstash-2019.11.29-000001");


            if (args.length != 1) {
                LOG.error("error : " + args.length);
                System.exit(1);
            }
            
            Job job = Job.getInstance(conf, " EsToCHDFS ");
            job.setJarByClass(EsToCHDFS.class);
            job.setInputFormatClass(EsInputFormat.class);
            job.setMapperClass(TestMapper.class);
            job.setMapOutputKeyClass(Text.class);
            job.setMapOutputValueClass(LinkedMapWritable.class);


            FileOutputFormat.setOutputPath(job, new Path(args[0]));
            System.out.println(job.waitForCompletion(true));
        } catch (Exception e) {
            LOG.error(e.getMessage(), e);
        }
    }
}

编译代码生成jar包，例如es-chdfs-0.0.1-SNAPSHOT.jar

备份数据

当生成好jar包之后，在hadoop环境执行启动job命令， 例如：

hadoop jar es-chdfs-0.0.1-SNAPSHOT.jar org.chdfs.es_chdfs.E2HJob01 ofs://f4mnighxmwd-tiW9.chdfs.ap-beijing.myqcloud.com/e2h

其中，指定CHDFS的存储路径，

ofs://f4mnighxmwd-tiW9.chdfs.ap-beijing.myqcloud.com/e2h

注意：由于mapreduce的限制，需要确保e2h目录是不存在的。

查看效果

提交MapReduce后，可以查看hadoop监控页面观察作业是否正常结束。

如果正常结束后，可以查看CHDFS上的文件是否有生成。如果有看到类似如下的显示，恭喜你，成功完成ES到CHDFS的数据转储。

数据分析

备份成功后，可以释放ElasticSearch上历史数据，极大节省了ElasticSearch上的存储成本。

CHDFS可以无缝对接各种主流的大数据套件，如Spark、hive、tez、presto、MapReduce、腾讯云EMR等。数据落地到CHDFS后，可以轻松高效的使用常见大数据组件来进行数据的进一步分析，为客户创造更多的价值。