apache-spark - 有没有人能够将 elasticsearch xpack sql 与 Spark 一起使用？

Question

我正在尝试使用 PySpark 从 elasticsearch 读取数据。通常我会将查询设置为沿线的内容(请参阅下面的查询)并将 es.resource 设置为索引，例如“my_index/doc”，这样我就可以将数据读入 spark:

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

但是最近我尝试了 _xpack/sql 与 kibana 和 JDBC 与其他 SQL 客户端，它们在获取数据方面工作得很好。但是，当我尝试在我的 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

有没有人尝试过使用 _xpack 或知道如何从 Elasticsearch hadoop 插件执行 Elasticsearch SQL 查询？

您将在下面找到我试图用于在 pyspark 上执行的代码的摘录，在此先感谢您!

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

我认为此功能不受支持。 PySpark 中的替代解决方案是使用 JDBC 驱动程序，我确实尝试过。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")

我得到了以下错误:

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

...

另一种方法是使用核心 Python 和请求来完成它，但我不推荐它用于大型数据集。

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