- android - RelativeLayout 背景可绘制重叠内容
- android - 如何链接 cpufeatures lib 以获取 native android 库?
- java - OnItemClickListener 不起作用,但 OnLongItemClickListener 在自定义 ListView 中起作用
- java - Android 文件转字符串
我已经通读了这个页面和其他相关链接以在 hadoop 上安装和配置 elasticsearch。 Install and Configure elasticsearch on hadoop?
但是,我仍然没有一些问题。
我分别使用 elasticsearch 和 spark/hadoop;具体来说,我正在使用 cloudera hadoop,elasticsearch 在其他 linux 机器上运行。在 hadoop 中,我有一个边缘节点来提交一个 spark 作业,该作业通过带有配置的执行程序在其他 6 个节点上运行。
(1) 当我在每个节点上安装 elasticsearch-hadoop 二进制文件时,Elasticsearch 会在 HDFS 上保留索引?(2) 如果是这样,我需要把 jar 二进制文件放在哪里?elasticsearch-spark_2.11-2.2.0.jarelasticsearch-hadoop-2.2.0.jar
实际上,使用 elasticsearch-hadoop-2.2.0.jar,我可以从/向运行在 linux 机器上的 elasticsearch 读取/写入文档。
sc.makeRDD(docs).saveToEs(indexname + "/" + typename, Map( "es.nodes" -> ES_HOSTN_ODE_ADDRESS, "es.port" -> ES_HOST_PORT))
(3) 如何为hdfs设置数据路径?目前 elasticsearch 已经被配置成
path.data: /data1,/data2,/data3,/data4
(4) 还有其他好的文档/页面可以引用吗?
elasticsearch-hadoop binaries can be obtained either by downloading them from the elastic.co site as a ZIP (containing project jars, sources and documentation) or by using any Maven-compatible tool with the following dependency:
<dependency>
<groupId>org.elasticsearch</groupId>
<artifactId>elasticsearch-hadoop</artifactId>
<version>2.2.0</version>
</dependency>
jar above contains all the features of elasticsearch-hadoop and does not require any other dependencies at runtime; in other words it can be used as is. elasticsearch-hadoop binary is suitable for both Hadoop 1.x and Hadoop 2.x (also known as YARN) environments without any changes.
在 spark 上使用 scala,我可以从 elasticsearch 查询文档,但查询的数据并没有为每个执行程序并行化。如果我使用 elasticsearch-hadoop 并从 hdfs 查询数据,则数据会像 parquet 文件一样自动并行化 (RDD),而无需
sc.parallelize(数据);
对我来说,推/拉大数据对于使用 Kibana 等多种工具进行可视化很重要。elasticsearch-hadoop 相对于 elasticsearch 有什么强大的优势吗?
最佳答案
来自 Elasticsearch 的 website
Elasticsearch for Apache Hadoop is an open-source, stand-alone, self-contained, small library that allows Hadoop jobs (whether using Map/Reduce or libraries built upon it such as Hive, Pig or Cascading or new upcoming libraries like Apache Spark ) to interact with Elasticsearch. One can think of it as a connector that allows data to flow bi-directionaly so that applications can leverage transparently the Elasticsearch engine capabilities to significantly enrich their capabilities and increase the performance.
根据我对您问题的理解回答:
(1) Elasticsearch keeps indices on HDFS when I install elasticsearch-hadoop binary on each node?
不,Elasticsearch-Hadoop 是一个库,Hadoop 作业可以通过它向 Elasticsearch 加载或存储数据。
(2) If so, where do I need to put jar binary? elasticsearch-spark_2.11-2.2.0.jar elasticsearch-hadoop-2.2.0.jar
这些库必须存在于 Spark 的类路径中:Add exteranl jars to classpath或 Hadoop:Add exteranl jars to classpath工作。
(3) how do I need to set data path for hdfs?
我认为在 Hadoop/Spark 作业中访问 Elasticsearch 数据不需要此步骤。
(4) are there some other good documents/pages to refer ?
我引用了 Elasticsearch Apache Spark : native support 为了我的目的。
- Using scala on spark, I can query documents from elasticsearch, but the queried data is not parallelized for each executor. If I use elasticsearch-hadoop and query data from hdfs, the data is automatically parallelized (RDD) like parquet files without having to sc.parallelize(data);
是的,你是对的。在 Elasticsearch Java/Scala 客户端上使用 Elasticsearch-Hadoop 和 Elasticsearch-spark 的优势与使用 Hadoop 或 Spark 的固有优势相同,即在集群上分配处理负载。
- For me, pushing/pulling big data are important with visualization using several tools such as Kibana. Are there any strong advantages elasticsearch-hadoop against elasticsearch?
如前所述,“elasticsearch-hadoop”只是一个库。
关于hadoop - 在 hadoop 上安装和配置 elasticsearch,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/35901289/
我在这里有一个问题,我不知道这是否正常。 但是我认为这里有些湖,安装插件elasticsearch-head之后,我在浏览器中启动url“http://localhost:9200/_plugin/h
我写了这个 flex 搜索查询: es.search(index=['ind1'],doc_type=['doc']) 我得到以下结果: {'_shards': {'failed': 0, 'skip
在ElasticSearch.Net v.5中,存在一个属性 Elasticsearch.Net.RequestData.Path ,该属性在ElasticSearch.Net v.6中已成为depr
如何让 elasticsearch 应用新配置?我更改了文件 ~ES_HOME/config/elasticsearch.yml 中的一个字符串: # Disable HTTP completely:
我正在尝试使用以下分析器在 elastic serach 7.1 中实现部分子字符串搜索 PUT my_index-001 { "settings": { "analysis": {
假设一个 elasticsearch 服务器在很短的时间内接收到 100 个任务。有些任务很短,有些任务很耗时,有些任务是删除任务,有些是插入和搜索查询。 elasticsearch 是如何决定先运行
我需要根据日期过滤一组值(在此处添加字段),然后按 device_id 对其进行分组。所以我正在使用以下东西: { "aggs":{ "dates_between":{ "fi
我在 Elasticsearch 中有一个企业索引。索引中的每个文档代表一个业务,每个业务都有business_hours。我试图允许使用星期几和时间过滤营业时间。例如,我们希望能够进行过滤,以显示我
我有一个这样的过滤查询 query: { filtered: { query: { bool: { should: [{multi_match: {
Elasticsearch 相当新,所以可能不得不忍受我,我遇到了一个问题,如果我使用 20 个字符或更少的字符搜索文档,文档会出现,但是查询中同一个单词中的任何更多字符,我没有结果: 使用“苯氧甲基
我试图更好地理解 ElasticSearch 的内部结构,所以我想知道 ElasticSearch 在内部计算以下两种情况的术语统计信息的方式是否存在任何差异。 第一种情况是当我有这样的文件时: {
在我的 elasticsearch 索引中,我索引了一堆工作。为简单起见,我们只说它们是一堆职位。当人们在我的搜索引擎中输入职位时,我想“自动完成”可能的匹配。 我在这里调查了完成建议:http://
我在很多映射中使用多字段。在 Elastic Search 的文档中,指示应将多字段替换为“fields”参数。参见 http://www.elasticsearch.org/guide/en/ela
我有如下查询, query = { "query": {"query_string": {"query": "%s" % q}}, "filter":{"ids
我有一个Json数据 "hits": [ { "_index": "outboxprov1", "_type": "deleted-c
这可能是一个初学者的问题,但我对大小有一些疑问。 根据 Elasticsearch 规范,大小的最大值可以是 10000,我想在下面验证我的理解: 示例查询: GET testindex-2016.0
我在 Elastic Search 中发现了滚动功能,这看起来非常有趣。看了那么多文档,下面的问题我还是不清楚。 如果偏移量已经存在那么为什么要使用滚动? 即将到来的记录呢?假设它完成了所有数据的滚动
我有以下基于注释的 Elasticsearch 配置,我已将索引设置为不被分析,因为我不希望这些字段被标记化: @Document(indexName = "abc", type = "efg
我正在尝试在单个索引中创建多个类型。例如,我试图在host索引中创建两种类型(post,ytb),以便在它们之间创建父子关系。 PUT /ytb { "mappings": { "po
我尝试创建一个简单的模板,包括一些动态模板,但我似乎无法为文档编制索引。 我得到错误: 400 {"error":"MapperParsingException[mapping [_default_]
我是一名优秀的程序员,十分优秀!