导入elasticsearch方法总结

1. 所需驱动和工具

1. 安装mssql和mysql的jdbc驱动请参考上一篇：elasticsearch环境搭建过程

2. 如果在windows下使用导elasticsearch的命令：推荐使用cygwin
3. 用kopf插件查看导数据进度，若导入中断或错误，也可使用kopf删除该索引，重新导入

---

2. 导elasticsearch参数对应名称

elasticsearch对应参数：

elasticsearch服务器IP：192.168.1.1
索引名称：indexname       #可以将其看成关系型数据库中的数据库名称
类型名称：typename        #可以将其看成关系型数据库中的表名称
映射：mapping            #可以将其看成关系型数据库中的表结构，默认分词，可进行设置
elasticsearch端口号：9200
who_jdbc_river: 每次导入数据，此处不能相同

关系型数据库对应参数：

  服务器IP：192.168.1.2
  用户：此处分别以 mssql的sa 和 mysql的root举例
  数据库名称:dbname
  表名称/视图名:tbname
  密码：dbpasswd

---

3. 根据需求创建映射

视图（mapping）相当于关系型数据库的表结构，在执行之后导入命令前最好先创建索引和mapping，设置好数据类型和是否分词等关键参数，以免以后调用数据或者使用数据时陷入困境，最后不得不重新导入。

创建索引indexname：

curl -XPUT 192.168.1.1:9200/indexname -d '{}'

创建映射

curl -XPUT 192.168.1.1:9200/indexname/typename/_mapping -d '{
  "typename" : {
    "properties" : {
      "domain" : {                #数据字段名称
        "type" : "string",        #指定类型
        "index": "not_analyzed"   #指定不分词
      },
      "record_type" : {
        "type" : "string",
        "index": "not_analyzed"
      },
      "record_value" : {
        "type" : "string",
        "index": "not_analyzed"
      }
    }
  }
}'

---

4. 从mysql数据库导入到elasticsearch

curl -XPUT '192.168.1.1:9200/_river/who_jdbc_river/_meta' -d '{
    "type" : "jdbc",
    "shedule" : null,
    "jdbc" : {
        "url" : "jdbc:mysql://192.168.1.2:3306/dbname",
        "user" : "root",
        "password" : "dbpasswd",
        "sql" : "select * from tbname",
        "index" : "indexname",
        "type" : "typename"
    }
}'

---

5. 从mssql数据库导入到elasticsearch

curl -XPUT '192.168.1.1:9200/_river/who_jdbc_river/_meta' -d '
{
    "type" : "jdbc",
    "jdbc": {
        "url":"jdbc:sqlserver://192.168.1.2:1433;databaseName=dbname",
        "user":"sa",
        "password":"dbpasswd",
        "sql":"select * from dbo.tbname",
        "index" : "indexname",
        "type" : "typename"
    }
}'

---

6. csv或txt格式数据导入到elasticsearch

注意事项：

1. 如果文件中的第一行未设置字段名称可用下方命令行添加，或者在导入命令中修改指定参数添加

sed -i '1 s/^/username,email,password\n/' user.txt   #为user.txt首行添加字段名username,email,password

2. 在导入过程中，要导入的csv文件的文件名 如user.csv 会变成user.csv.processing，导入成功后user.csv.processing.imported
   如果导入过程中出现错误中途断开，在重新导数据前记得先将文件名user.csv.processing.imported 改成user.csv 否则会提示找不到文件

curl -XPUT 192.168.1.1:9200/_river/who_jdbc_river/_meta -d '
{
    "type" : "csv",                          #指定文件类型
    "csv_file" : {
        "folder" : "//home//black3y//",      #要导入的文件的文件路径，注意注释斜杠，window下：D://isc//b
        "filename_pattern" : "user.csv",     #待导入数据文件名称（txt或csv），支持同类型所有文件（.*\\.csv$）
        "poll":"5m",
        "fields" : [
            "username",
            "email",  
            "password"    
        ],
        "first_line_is_header" : "false",     #true:将第一行作为字段名，false:将fields中的信息作为字段名
        "field_separator" : "\t",             #tab对应\t，逗号直接写,
        "field_id" : "id",
        "field_id_include" : "false",
        "concurrent_requests" : "1",
        "charset" : "UTF-8",
        "script_before_all": "/path/to/before_all.sh",
        "script_after_all": "/path/to/after_all.sh",
        "script_before_file": "/path/to/before_file.sh",
        "script_after_file": "/path/to/after_file.sh"
    },
    "index" : {
        "index" : "indexname",
        "type" : "typename",
        "bulk_size" : 100,
        "bulk_threshold" : 10
    }
}'

也可使用head插件执行上面的命令

使用head插件导入csv数据

---

7. json格式数据导入elasticsearch

赠上现成好用的python脚本 ( json2es.py )

#!/usr/bin/python
# -*- coding: UTF-8 -*-

from itertools import islice
import json , sys
from elasticsearch import Elasticsearch , helpers
import threading

_index = 'indexname'   #修改为索引名
_type = 'typename'     #修改为类型名
es_url = 'http://192.168.1.1:9200/'  #修改为elasticsearch服务器

reload(sys)
sys.setdefaultencoding('utf-8')  
es = Elasticsearch(es_url)
#es.indices.create(index='webinfo', ignore=400,body = mapping)
es.indices.create(index=_index, ignore=400)
chunk_len = 10
num = 0

def bulk_es(chunk_data):
    bulks=[]
    try:
        for i in xrange(chunk_len):
            bulks.append({
                    "_index": _index,
                    "_type": _type,
                    "_source": chunk_data[i]
                })
        helpers.bulk(es, bulks)
    except:
        pass

with open(sys.argv[1]) as f:
    while True:
        lines = list(islice(f, chunk_len))
        num =num +chunk_len
        sys.stdout.write('\r' + 'num:'+'%d' % num)
        sys.stdout.flush()
        bulk_es(lines)
        if not lines:
            print "\n"
            print "task has finished"
            break

使用方法：

json2es.py使用方法