社区
Hadoop生态社区
帖子详情
elasticsearch和hadoop集成该怎么做
kky2010_110
2012-08-09 02:17:17
elasticsearch和hadoop集成该怎么做都是分布式的,把elasticsearch文件存放到dnfs中怎么配置,需要什么jar
...全文
964
4
打赏
收藏
elasticsearch和hadoop集成该怎么做
elasticsearch和hadoop集成该怎么做都是分布式的,把elasticsearch文件存放到dnfs中怎么配置,需要什么jar
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
4 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
lifeconquer
2014-11-11
打赏
举报
回复
楼主,求集成经验
JokerCao
2014-10-08
打赏
举报
回复
最后集成成功了吗 求经验分享
kky2010_110
2012-08-13
打赏
举报
回复
要沉了,果断顶起
kky2010_110
2012-08-09
打赏
举报
回复
https://github.com/elasticsearch/elasticsearch-hadoop#readme
Hadoop
实战中文版.PDF
出版信息编辑 译者:韩冀中 出版社:人民邮电出版社 出版时间:2011年10月 版次:1.1 开本:16开 装帧:平装 字数:417千字 页数:253页 内容简介编辑 作为云计算所青睐的分布式架构,
Hadoop
是一个用Java语言实现的软件框架,在由大量计算机组成的集群中运行海量数据的分布式计算,是谷歌实现云计算的重要基石。《
Hadoop
实战》分为3个部分,深入浅出地介绍了
Hadoop
框架、编写和运行
Hadoop
数据处理程序所需的实践技能及
Hadoop
之外更大的生态系统。 《
Hadoop
实战》适合需要处理大量离线数据的云计算程序员、架构师和项目经理阅读参考。 目录编辑 第一部分
Hadoop
——一种分布式编程框架 第1章
Hadoop
简介 2 1.1 为什么写《
Hadoop
实战》 3 1.2 什么是
Hadoop
3 1.3 了解分布式系统和
Hadoop
4 1.4 比较SQL数据库和
Hadoop
5 1.5 理解MapReduce 6 1.5.1 动手扩展一个简单程序 7 1.5.2 相同程序在MapReduce中的扩展 9 1.6 用
Hadoop
统计单词——运行第一个程序 11 1.7
Hadoop
历史 15 1.8 小结 16 1.9 资源 16 第2章 初识
Hadoop
17 2.1
Hadoop
的构造模块 17 2.1.1 NameNode 17 2.1.2 DataNode 18 2.1.3 Secondary NameNode 19 2.1.4 JobTracker 19 2.1.5 TaskTracker 19 2.2 为
Hadoop
集群安装SSH 21 2.2.1 定义一个公共账号 21 2.2.2 验证SSH安装 21 2.2.3 生成SSH密钥对 21 2.2.4 将公钥分布并登录验证 22 2.3 运行
Hadoop
22 2.3.1 本地(单机)模式 23 2.3.2 伪分布模式 24 2.3.3 全分布模式 25 2.4 基于Web的集群用户界面 28 2.5 小结 30 第3章
Hadoop
组件 31 3.1 HDFS文件操作 31 3.1.1 基本文件命令 32 3.1.2 编程读写HDFS 35 3.2 剖析MapReduce程序 37 3.2.1
Hadoop
数据类型 39 3.2.2 Mapper 40 3.2.3 Reducer 41 3.2.4 Partitioner:重定向Mapper输出 41 3.2.5 Combiner:本地reduce 43 3.2.6 预定义mapper和Reducer类的单词计数 43 3.3 读和写 43 3.3.1 InputFormat 44 3.3.2 OutputFormat 49 3.4 小结 50 第二部分 实战 第4章 编写MapReduce基础程序 52 4.1 获得专利数据集 52 4.1.1 专利引用数据 53 4.1.2 专利描述数据 54 4.2 构建MapReduce程序的基础模板 55 4.3 计数 60 4.4 适应
Hadoop
API的改变 64 4.5
Hadoop
的Streaming 67 4.5.1 通过Unix命令使用Streaming 68 4.5.2 通过脚本使用Streaming 69 4.5.3 用Streaming处理键/值对 72 4.5.4 通过Aggregate包使用Streaming 75 4.6 使用combiner提升性能 80 4.7 温故知新 83 4.8 小结 84 4.9 更多资源 84 第5章 高阶MapReduce 85 5.1 链接MapReduce作业 85 5.1.1 顺序链接MapReduce作业 85 5.1.2 具有复杂依赖的MapReduce链接 86 5.1.3 预处理和后处理阶段的链接 86 5.2 联结不同来源的数据 89 5.2.1 Reduce侧的联结 90 5.2.2 基于DistributedCache的复制联结 98 5.2.3 半联结:map侧过滤后在reduce侧联结 101 5.3 创建一个Bloom filter 102 5.3.1 Bloom filter
做
了什么 102 5.3.2 实现一个Bloom filter 104 5.3.3
Hadoop
0.20以上版本的Bloom filter 110 5.4 温故知新 110 5.5 小结 111 5.6 更多资源 112 第6章 编程实践 113 6.1 开发MapReduce程序 113 6.1.1 本地模式 114 6.1.2 伪分布模式 118 6.2 生产集群上的监视和调试 123 6.2.1 计数器 123 6.2.2 跳过坏记录 125 6.2.3 用IsolationRunner重新运行出错的任务 128 6.3 性能调优 129 6.3.1 通过combiner来减少网络流量 129 6.3.2 减少输入数据量 129 6.3.3 使用压缩 129 6.3.4 重用JVM 132 6.3.5 根据猜测执行来运行 132 6.3.6 代码重构与算法重写 133 6.4 小结 134 第7章 细则手册 135 7.1 向任务传递作业定制的参数 135 7.2 探查任务特定信息 137 7.3 划分为多个输出文件 138 7.4 以数据库作为输入输出 143 7.5 保持输出的顺序 145 7.6 小结 146 第8章 管理
Hadoop
147 8.1 为实际应用设置特定参数值 147 8.2 系统体检 149 8.3 权限设置 151 8.4 配额管理 151 8.5 启用回收站 152 8.6 删减DataNode 152 8.7 增加DataNode 153 8.8 管理NameNode和SNN 153 8.9 恢复失效的NameNode 155 8.10 感知网络布局和机架的设计 156 8.11 多用户作业的调度 157 8.11.1 多个JobTracker 158 8.11.2 公平调度器 158 8.12 小结 160 第三部分
Hadoop
也疯狂 第9章 在云上运行
Hadoop
162 9.1 Amazon Web Services简介 162 9.2 安装AWS 163 9.2.1 获得AWS身份认证凭据 164 9.2.2 获得命令行工具 166 9.2.3 准备SSH密钥对 168 9.3 在EC2上安装
Hadoop
169 9.3.1 配置安全参数 169 9.3.2 配置集群类型 169 9.4 在EC2上运行MapReduce程序 171 9.4.1 将代码转移到
Hadoop
集群上 171 9.4.2 访问
Hadoop
集群上的数据 172 9.5 清空和关闭EC2实例 175 9.6 Amazon Elastic MapReduce和其他AWS服务 176 9.6.1 Amazon Elastic MapReduce 176 9.6.2 AWS导入/导出 177 9.7 小结 177 第10章 用Pig编程 178 10.1 像Pig一样思考 178 10.1.1 数据流语言 179 10.1.2 数据类型 179 10.1.3 用户定义函数 179 10.2 安装Pig 179 10.3 运行Pig 180 10.4 通过Grunt学习Pig Latin 182 10.5 谈谈Pig Latin 186 10.5.1 数据类型和schema 186 10.5.2 表达式和函数 187 10.5.3 关系型运算符 189 10.5.4 执行优化 196 10.6 用户定义函数 196 10.6.1 使用UDF 196 10.6.2 编写UDF 197 10.7 脚本 199 10.7.1 注释 199 10.7.2 参数替换 200 10.7.3 多查询执行 201 10.8 Pig实战——计算相似专利的例子 201 10.9 小结 206 第11章 Hive及
Hadoop
群 207 11.1 Hive 207 11.1.1 安装与配置Hive 208 11.1.2 查询的示例 210 11.1.3 深入HiveQL 213 11.1.4 Hive小结 221 11.2 其他
Hadoop
相关的部分 221 11.2.1 HBase 221 11.2.2 ZooKeeper 221 11.2.3 Cascading 221 11.2.4 Cloudera 222 11.2.5 Katta 222 11.2.6 CloudBase 222 11.2.7 Aster Data和Greenplum 222 11.2.8 Hama和Mahout 223 11.3 小结 223 第12章 案例研究 224 12.1 转换《纽约时报》1100万个库存图片文档 224 12.2 挖掘中国移动的数据 225 12.3 在StumbleUpon推荐最佳网站 229 12.3.1 分布式StumbleUpon的开端 230 12.3.2 HBase和StumbleUpon 230 12.3.3 StumbleUpon上的更多
Hadoop
应用 236 12.4 搭建面向企业查询的分析系统——IBM的ES2项目 238 12.4.1 ES2系统结构 240 12.4.2 ES2爬虫 241 12.4.3 ES2分析 242 12.4.4 小结 249 12.4.5 参考文献 250 附录A HDFS文件命令 251 构建
hadoop
运算坚实的平台编辑 百度构建了超大规模的服务器集群来运行
Hadoop
,其中日志处理与分析占到了全部
hadoop
集群的80%,处理数据量从几个G到上P,运行时间从几分钟到几十个小时。[1] 谈到
Hadoop
集群的硬件基础,马如悦告诉IT168编辑:“百度使用的服务器品牌较多,市面上主流的服务器品牌均有涉及,但绝大多数都基于英特尔X86平台,配置则大体上是8核CPU(主要是英特尔至强7400/7500系列),32GB内存,12TB硬盘。此外我们也在尝试定制自己的服务器。” “选用什么样的服务器需要根据具体的应用而定。比如使用
hadoop
做
日志存储和挖掘,可以参考百度上面的配置。如果是作为HBase的底层存储,并且有大量的随机查询,那么使用SAS硬盘,甚至SSD都是可以的。不同的业务需要不同类型的配置。即使同一个业务,也可能需要分层考虑。这样才能
做
到成本最低。” 大体来说,
hadoop
应用对系统的要求侧重计算、存储与网络性能的均衡,这一点则正好与英特尔X86平台不谋而合。英特尔至强7400/7500系列处理器已然为百度
Hadoop
集群奠定了坚实的硬件平台,今年英特尔发布的至强E5平台则无论在性能、吞吐能力和带宽方面都有均衡的提升。 英特尔最新一代E5处理器相比前代至强5600处理性能提高了80%,同时,英特尔E5芯片中的DDIO技术也大大提高整体IO性能,这一技术能把IO数据包指向处理缓存,跳过内存,从而能够大大减少延迟,增强系统总带宽,还消除了内存的功耗。英特尔
集成
IO把IO子系统移到了处理器芯片处下,同时得益于PCI-E 3.0的支持,可以把服务器平台的延迟减少多达30%,带宽增加2倍。
Elasticsearch
:
Hadoop
大数据
集成
(
Hadoop
=>
Elasticsearch
)
在本文章中,我们将学习如何使用
Elasticsearch
Hadoop
处理大量数据。 对于我们的练习,我们将使用一个简单的 Apache access 日志来表示我们的 “大数据”。 我们将学习如何编写 MapReduce 作业以使用
Hadoop
摄取文件并将其索引到
Elasticsearch
中。
Elasticsearch
与
hadoop
比较
过去的几年的日志分析领域,开源搜索引擎
Elasticsearch
已经变得越来越流行。它与其开源的服务器端的日志收集产品Logstash,其开源可视化工具kibana一起组成了ELK分析组合。这个功能强大的组合正蓄势待发。
Elasticsearch
是一个基于Lucene的分布式搜索服务器。它存储json格式的文档数据,有基于RESTful的操作接口。利用
Elasticsearch
可以方...
hadoop
集群安装ES(
ElasticSearch
5.0.2)
grunt是一个很方便的构建工具,可以进行打包压缩、测试、执行等等的工作,5.0里的head插件就是通过grunt启动的。目录: vi /opt/
elasticsearch
-5.0.2/plugins/head/Gruntfile.js。目录: vi /opt/
elasticsearch
-5.0.2/plugins/head/_site/app.js。去官网下载nodejs,https://nodejs.org/en/download/访问:http://10.10.1.138:9100/
ES-
Hadoop
插件介绍
上篇文章了,写了使用spark
集成
es框架,并向es写入数据,虽然能够成功,但从
集成
度上来讲肯定没有官网提供的ES-
Hadoop
框架来的优雅,今天我们就来认识一下ES-
Hadoop
这个框架。 我们都知道
Hadoop
是标准的大数据生态代表,里面有非常多的组件来处理不同类型或者场景下的数据,
Hadoop
的基础组件是YARN,HDFS,MapReduce,我们都知道HDFS是可靠的分布式存储系统,
Hadoop生态社区
20,808
社区成员
4,690
社区内容
发帖
与我相关
我的任务
Hadoop生态社区
Hadoop生态大数据交流社区,致力于有Hadoop,hive,Spark,Hbase,Flink,ClickHouse,Kafka,数据仓库,大数据集群运维技术分享和交流等。致力于收集优质的博客
复制链接
扫一扫
分享
社区描述
Hadoop生态大数据交流社区,致力于有Hadoop,hive,Spark,Hbase,Flink,ClickHouse,Kafka,数据仓库,大数据集群运维技术分享和交流等。致力于收集优质的博客
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章