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

Question

使用PySpark，我试图从elasticsearch中读取数据。通常，我会将查询设置为类似的内容(参见下面的查询)，并将索引设置为“my_ es.resource /doc”，这样我就可以将数据读取到spark中：

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

但是，最近我在kibana上尝试了_xpack/sql，在其他SQL客户端上尝试了JDBC，它们在获取数据方面都工作得很好。但是，当我尝试在我的pyspark代码中引用_xpack时，我得到了以下错误：

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

下面你会发现我的代码摘录，我正在尝试使用它来执行pyspark，提前谢谢！

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

我不认为这个功能是受支持的。PySpark中的另一种解决方案是使用JDBC驱动程序，我确实尝试过。我尝试了以下几种方法：

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并进行请求，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