使用elasticsearch-hadoop映射-约简将json从HDFS编写到Elasticsearch

Question

我们将一些json数据存储到HDFS中，我们正在尝试将elasticsearch-hadoop映射还原为将数据合并到Elasticsearch中。

我们使用的代码非常简单(如下)

public class TestOneFileJob extends Configured implements Tool {

    public static class Tokenizer extends MapReduceBase
            implements Mapper<LongWritable, Text, LongWritable, Text> {

        @Override
        public void map(LongWritable arg0, Text value, OutputCollector<LongWritable, Text> output,
                Reporter reporter) throws IOException {

            output.collect(arg0, value);
        }

    }

    @Override
    public int run(String[] args) throws Exception {

        JobConf job = new JobConf(getConf(), TestOneFileJob.class);

        job.setJobName("demo.mapreduce");
        job.setInputFormat(TextInputFormat.class);
        job.setOutputFormat(EsOutputFormat.class);
        job.setMapperClass(Tokenizer.class);
        job.setSpeculativeExecution(false);

        FileInputFormat.setInputPaths(job, new Path(args[1]));

        job.set("es.resource.write", "{index_name}/live_tweets");

        job.set("es.nodes", "els-test.css.org");

        job.set("es.input.json", "yes");
        job.setMapOutputValueClass(Text.class);

        JobClient.runJob(job);

        return 0;
    }

    public static void main(String[] args) throws Exception {
        System.exit(ToolRunner.run(new TestOneFileJob(), args));
    }
}

这段代码运行良好，但我们有两个问题。

第一个问题是es.resource.write属性值。目前，它是由来自json的属性index_name提供的。

如果json包含一个类型为数组的属性，如

{
"tags" : [{"tag" : "tag1"}, {"tag" : "tag2"}]
}

如何将es.resource.write配置为以第一个tag值为例？

我们试图使用{tags.tag}和{tags[0].tag}，但都没有工作。

另一个问题是，如何使作业索引成为标签属性的两个值中的json文档？

Answer 1

我们通过以下步骤解决了这两个问题

1-在run方法中，我们将es.resource.write的值设置为

job.set("es.resource.write", "{tag}/live_tweets");

2-在map函数中，我们使用gson库将json转换为对象。

Object currentValue = gson.fromJson(jsonString, Object.class);

• 这里的对象是我们拥有的json的POJO。

3-从对象中提取我们想要的标记，并将其值作为新属性添加到json中。

前面的步骤解决了第一个问题。关于第二个问题(如果我们希望根据标签的数量将相同的json存储到多个索引中)，我们只需遍历json中的标记并更改我们添加的tag属性，然后再次将json传递给收集器。下面是此步骤所需的代码。

@Override
        public void map(LongWritable arg0, Text value, OutputCollector<LongWritable, Text> output, Reporter reporter)
                throws IOException {

            List<String> tags = getTags(value.toString());

            for (String tag : tags) {

                String newJson = value.toString().replaceFirst("\\{", "{\"tag\":\""+tag+"\",");

                output.collect(arg0, new Text(newJson));
            }
        }