Elasticsaerch的文档只涵盖了加载到Spark的完整索引。
from pyspark.sql import SQLContext
sqlContext = SQLContext(sc)
df = sqlContext.read.format("org.elasticsearch.spark.sql").load("index/type")
df.printSchema()如何执行查询以从Elasticsearch索引返回数据,并使用pyspark将它们作为DataFrame加载到Spark?
发布于 2016-07-05 04:43:56
下面是我是怎么做的。
常规环境设置和命令:
export SPARK_HOME=/home/ezerkar/spark-1.6.0-bin-hadoop2.6
export PYSPARK_DRIVER_PYTHON=ipython2
./spark-1.6.0-bin-hadoop2.6/bin/pyspark --driver-class-path=/home/eyald/spark-1.6.0-bin-hadoop2.6/lib/elasticsearch-hadoop-2.3.1.jar代码:
from pyspark import SparkConf
from pyspark.sql import SQLContext
conf = SparkConf().setAppName("ESTest")
sc = SparkContext(conf=conf)
sqlContext = SQLContext(sc)
q ="""{
"query": {
"filtered": {
"filter": {
"exists": {
"field": "label"
}
},
"query": {
"match_all": {}
}
}
}
}"""
es_read_conf = {
"es.nodes" : "localhost",
"es.port" : "9200",
"es.resource" : "titanic/passenger",
"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)
sqlContext.createDataFrame(es_rdd).collect()您还可以定义数据框列。有关更多信息,请参阅Here。
希望它能有所帮助!
发布于 2017-08-18 21:02:46
我使用pyspark在Amazon的EMR集群中运行我的代码。然后,我让它工作的方式是遵循以下步骤:
1)将此引导程序操作放入集群创建中(以创建localhost elasticsearch服务器):
s3://awssupportdatasvcs.com/bootstrap-actions/elasticsearch/elasticsearch_install.4.0.0.rb2)我运行这些命令,用一些数据填充elasticsearch数据库:
curl -XPUT "http://localhost:9200/movies/movie/1" -d' {
"title": "The Godfather",
"director": "Francis Ford Coppola",
"year": 1972
}'如果愿意,您还可以运行其他curl命令,例如:
curl -XGET http://localhost:9200/_search?pretty=true&q={'matchAll':{''}}3)我使用以下参数初始化了pyspark:
pyspark --driver-memory 5G --executor-memory 10G --executor-cores 2 --jars=elasticsearch-hadoop-5.5.1.jar我之前下载过elasticsearch python客户端
4)我运行以下代码:
from pyspark import SparkConf
from pyspark.sql import SQLContext
q ="""{
"query": {
"match_all": {}
}
}"""
es_read_conf = {
"es.nodes" : "localhost",
"es.port" : "9200",
"es.resource" : "movies/movie",
"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)
sqlContext.createDataFrame(es_rdd).collect()然后我终于从命令中得到了成功的结果。
发布于 2018-02-12 23:54:42
我遇到过类似的问题,要将经过地理位置过滤的数据放入PySpark DataFrame中。我使用的是elasticsearch- Spark -20_2.11-5.2.2.jar与Spark版本2.1.1和ES版本5.2。通过在创建DataFrame时将查询指定为一个选项,我可以将数据加载到DataFrame中
我的地理查询
q ="""{
"query": {
"bool" : {
"must" : {
"match_all" : {}
},
"filter" : {
"geo_distance" : {
"distance" : "100km",
"location" : {
"lat" : 35.825,
"lon" : -87.99
}
}
}
}
}
}"""我使用以下命令将数据加载到DataFrame中
spark_df = spark.read.format("es").option("es.query", q).load("index_name")https://stackoverflow.com/questions/38162901
复制相似问题