Hadoop集群中增加与ElasticSearch连接的操作

在没有引入elasticsearch-hadoop-xxx.jar相应的Jar包时，的在Hive中执行ElasticSearch外部表操作，会报如下的异常：

Exception in thread "main" java.io.IOException: Failed on local exception: com.google.protobuf.InvalidProtocolBufferException: Protocol message end-group tag did not match expected tag.; Host Details : local host is: "ip-172-17-30-146/172.17.30.146"; destination host is: "ip-172-17-30-146":9000;   

通过Spark查看执行任务的MR日志，报错如下：

.hadoop.mapreduce.v2.app.MRAppMaster failed in state INITED; cause: org.apache.hadoop.yarn.exceptions.YarnRuntimeException: java.lang.RuntimeException: java.lang.ClassNotFoundException: Class org.elasticsearch.hadoop.mr.EsOutputFormat not found  
org.apache.hadoop.yarn.exceptions.YarnRuntimeException: java.lang.RuntimeException: java.lang.ClassNotFoundException: Class org.elasticsearch.hadoop.mr.EsOutputFormat not found  

此时报的是Yarn服务器上面找不到ES-Hadoop相关的类，此时需要做的将elasticsearch-hadoop-xxx.jar增加到Hadoop相关应用的环境中，根据目前我所用到的环境，需要增加的应用有：

1.Hive  
2.Spark  
3.Yarn  

需要将elasticsearch-hadoop-xxx.jar增加到所有服务器这些应用的环境中，然后重新执行执行就不会报这个问题了。

另外：目前我的做法是手动将elasticsearch-hadoop-6.2.4.jar一台一台复制到Yarn服务器的lib目录下，不知道CDH是否有简化的管理功能，可以直接上传对应的Jar包？

为了操作上的操作，我准备了一个批命令，命令记录如下：

#/data/share_libs是我的第三共享jar包的目录  
cd /data/share_libs  
wget https://artifacts.elastic.co/downloads/elasticsearch-hadoop/elasticsearch-hadoop-6.2.4.zip  
unzip elasticsearch-hadoop-6.2.4.zip  
cd elasticsearch-hadoop-6.2.4/dist  
#注：这里不要把所有elasticsearch-hadoop*.jar文件都拷贝过去了，否则Yarn中会报这些不同的Jar包的版本冲突  
mv elasticsearch-hadoop-6.2.4.jar /opt/cloudera/parcels/CDH-5.14.2-1.cdh5.14.2.p0.3/jars/  
cd /data/share_libs  
#删除不必要的资源  
rm -f elasticsearch-hadoop-6.2.4.zip  
rm -rf elasticsearch-hadoop-6.2.4  
#注：目录/data/share_libs，在Spark中设置为了其第三库的目录，在Hive中也设置为了其auxlib目录，因而在这里建立软件链接后，Spark和Hive都可以使用  
#Spark中设置第三库的目录，可以参看前面一篇文章：https://blog.csdn.net/fenglibing/article/details/80437246  
ln -s /opt/cloudera/parcels/CDH-5.14.2-1.cdh5.14.2.p0.3/jars/elasticsearch-hadoop-6.2.4.jar elasticsearch-hadoop-6.2.4.jar  
cd /opt/cloudera/parcels/CDH-5.14.2-1.cdh5.14.2.p0.3/lib/hadoop-yarn/lib  
ln -s /opt/cloudera/parcels/CDH-5.14.2-1.cdh5.14.2.p0.3/jars/elasticsearch-hadoop-6.2.4.jar elasticsearch-hadoop-6.2.4.jar  

以下是通过创建一个外部表，然后测试查询的语句：

create external table test_in_es  
(  
    id string,  
    k string,  
    v string  
)  
STORED BY 'org.elasticsearch.hadoop.hive.EsStorageHandler'  
TBLPROPERTIES(  
'es.nodes' = 'http://vpc-es-xxxxxxxxx.eu-west-1.es.amazonaws.com:80',  
'es.index.auto.create' = 'false',  
'es.nodes.wan.only' = 'true',  
'es.resource' = 'test/test',  
'es.read.metadata' = 'true',  
'es.mapping.names' = 'id:_metadata._id,k:k, v:v');  
  
select * from test_in_es;  

如果遇到“EsHadoopIllegalArgumentException:No data nodes with HTTP-enabled available”这样的异常，请查看这篇文章：https://blog.csdn.net/fenglibing/article/details/80478551。

更多参考：大数据开发