如果我们想展示hive中的数据,则可以使用Kibana展示工具,而在这之前需要把hive表数据导入到es中,这就用到了ES-Hadoop插件.
插件安装:
下载地址：https://github.com/elasticsearch/elasticsearch-hadoop#readme
add上面的jar包到hive
hive –e “add jar elasticsearch-hadoop-2.1.1.jar;”
假如我们现在想把表dms.visit_path表中的数据展示,步骤如下:
一.启动脚本dms_visit_path_es.sh：把hive表数据导入到ES中
脚本如下：
|
#!/bin/sh #load data into ES #example:sh load_data_.sh stage.CMS_NEWS_BY_DAY wordcloud-news/hexuntong myrowkey [20151013] [20151015] ES_NODES=‘10.130.2.46‘;ES_PORT=‘9200‘; nowday=$(date +%Y%m%d); nowhour=$(date +%H); HIVE_TABLE=$1; ES_INDEX_TYPE=$2; myrowkey=$3 firstday=$4; endday=$5; if [ ! -n "$firstday" ]; then firstday=$nowday; fi if [ ! -n "$endday" ]; then endday=$firstday; fi #--------------get the columns of table $HIVE_TABLE----------------------------------- #columnname=$(hive -e "show create table ${HIVE_TABLE};" | tr "\n" " " | awk -F ‘(‘ ‘{print $2}‘ |awk -F ‘)‘ ‘{print $1}‘) tablename=$HIVE_TABLE filepath1="iowejlkjlsdjgoisj.txt" filepath2="woperkpkgwefsater.txt" hive -e "desc $tablename;" >$filepath1 sed -i ‘/^#/d‘ $filepath1 sed -i ‘/^WARN:/d‘ $filepath1 sed ‘/^\s*$/d‘ $filepath1 uniq -u $filepath1 >$filepath2 #uniq -u $filepath2 | awk -F ‘\t‘ ‘{print $1}‘ uniq -u $filepath2 | while read line do var1=`echo $line |awk -F ‘ ‘ ‘{print $1}‘` var2=`echo $line |awk -F ‘ ‘ ‘{print $2}‘` sqlcolmn="${sqlcolmn}$var1 ${var2}," echo ${sqlcolmn%,*} >$filepath1 done result=`cat $filepath1` rm -fr $filepath1 rm -fr $filepath2 # echo $result columnname=‘`id` string‘,$result,‘`partion_day` int‘ #------------------------create mapping table for es---------------------------------- tablename=`echo $HIVE_TABLE | awk -F ‘.‘ ‘{print$2}‘`; echo ${tablename} create_sql="drop table default.${tablename}_ES_TEMP;CREATE EXTERNAL TABLE IF NOT EXISTS default.${tablename}_ES_TEMP ($columnname) PARTITIONED BY(day String) STORED BY ‘org.elasticsearch.hadoop.hive.EsStorageHandler‘ TBLPROPERTIES(‘es.r esource‘ = ‘${ES_INDEX_TYPE}‘,‘es.index.auto.create‘ = ‘true‘,‘es.mapping.id‘ = ‘id‘,‘es.nodes‘=‘${ES_NODES}‘,‘es.port‘=‘${ES_PORT}‘);" echo $create_sql hive -e "${create_sql}" #"‘es.mapping.timestamp‘ = ‘partion_day‘", #sources=`echo $ES_INDEX_TYPE | awk -F ‘/‘ ‘{print$2}‘`; #search_column="date,step,substring(path,1,32000),start_url,end_url,path_pv,path_uv,updatetime,day" #---------------------exec load data into es----------------------------------------------------------- while((firstday <= endday)) do exec_sql="INSERT OVERWRITE TABLE default.${tablename}_ES_TEMP partition(day=‘${firstday}‘) SELECT $myrowkey, * FROM ${HIVE_TABLE} where day=‘${firstday}‘;" hive -e "${exec_sql}" firstday=`date -d "${firstday} +1 day " +%Y%m%d` done |
调用如下：
|
sh /diske/autoshell/liuzhaoming/userTag/dms_visit_path_es.sh dms.visit_path dms-visit_path/user "udf_md5(concat(date,path))" |
说明：1.上面的脚本可自动把hive中的数据导入到ES中，譬如上面的调用把dms.visit_path数据导入ES，在ES中索引名为dms-visit_path，类型为user
2.参数说明：@1：数据表名,如dms.visit_path
@2：ES中索引名和类型名，如dms-visit_path/user
@3：为去重设置的组合主键，我设置的是多个列相加取md5值，这样可以保证数据唯一，重复倒数据达到去重的效果。如udf_md5(concat(date,path))
@4：可不输，不输入默认为今天日期；
@5：可不输，不输入默认为@4参数的值，这两个参数是为了循环导入多天的数据设置。当然如果@5大于@4则执行导入语句不执行。
下面列出带日期的调用方式：
|
sh /diske/autoshell/liuzhaoming/userTag/dms_visit_path_es.sh dms.visit_path dms-visit_path/user "udf_md5(concat(date,path))" 20160101 20160105 |
PS：hive表中的数据类型尽量规范，时间是时间格式，整形是int，不要统一设置为string，否则后面的kibana展示将会遇到难题。
二.数据kibana展示
先说明一下kibana的安装：
（我这是64位系统，还需注意kibana与es有版本对应）
解压tar包，然后修改$HOME/config/kibana.yml文件中的
把框内的ip改为ES集群的ip，这样的话访问http://ip:5601，即可访问kibana。
1.首先进入kibana页面，点击菜单【Setting】-【Indices】，
@：可以填入名称的通配形式，这样可以监控多个索引（一般是按天分索引的数据）
点击Create即可。
2.点击菜单【Discover】，选择你刚刚建立的Setting映射，
@然后点击右上角的保存，输入名称即可。
@这个是后面展示图所要用到的数据源，当然你也可以在这里搜索你的数据，注意字符串两边最好加双引号。
3.点击【Visualize】，进行各种图标制作。
可以选择制作哪种展示图，例如制作日统计量的柱状图，点击最后一个。
@order by的字段类型必须是date或int型的，这就是为什么前面导数据的时候要强调，数据类型的重要性。
4.最后点击【DashBoard】菜单，进行仪表盘的制作；可以把前面的discover和Visualize报存的数据和图集合在此仪表盘。
至此，hive数据到kibana展示过程就如此。下面重点提醒说明：
1.最重要的莫过于数据类型，假如表中字段类型全为string，则到es中也为string，则展示图的时候就没法排序（不是排序错误，而是排序的字段只能选date或int类型的），所以在导数据之前，一定要审查数据表的类型，假如符合规范，则可顺利执行上述步骤。
2.我的建议：这里的展示一切以ES为中心，所以要对ES有所了解，了解mapping的作用，建议hive表导入ES的数据，要提前在ES中把索引名和类型名定义好，就是针对每个字段设置好mapping，用到的数据可以设置multi_field，一般的数据设置不分析就行了，方便搜索和统计。下面给出一个模板：
|
curl -XPUT ‘http://localhost:9200/dms-visit_path‘ -d ‘{ "settings": { "number_of_shards": 5, "number_of_replicas": 1, "index.refresh_interval": "30s", "index.translog.flush_threshold_ops": "100000" } }‘ curl -XPUT ‘http://10.130.2.46:9200/dms-visit_path/user/_mapping‘ -d ‘{ "_source": {"compress": true}, "properties": { "id": { "type": "string", "index" : "not_analyzed" }, "start_url": { "type": "string", "index" : "not_analyzed" }, "updatetime": { "format": "dateOptionalTime", "type": "date" }, "partion_day": { "type": "long" }, "path": { "type" : "multi_field", "fields" : { "path" : {"type" : "string", "index" : "analyzed"}, "path.raw" : {"type" : "string", "index" : "not_analyzed"} } }, "end_url": { "type": "string", "index" : "not_analyzed" }, "date": { "type": "string", "index" : "not_analyzed" }, "path_uv": { "type": "long" }, "step": { "type": "string", "index" : "not_analyzed" }, "path_pv": { "type": "long" } } }‘ |