原文发布于微信公众号：腾讯云存储（关注有惊喜）
使用场景
ElasticSearch是一款开源的非常火爆的文档索引引擎, 大小公司都比较青睐的一款做日志检索、分析、查询的工具。
但是ElasticSearch的数据依靠本地磁盘来做存储，虽然有三副本机制来保障数据的可靠性，但是磁盘的容量毕竟有限，如果希望保留更长时间的历史数据，如30天至半年的数据，ElasticSearch的本地存储就显得捉襟见肘了。
为了更好的满足历史数据的保存和检索，推荐一种非常靠谱的存储解决方案：ES CHDFS。
云 HDFS（Cloud HDFS，CHDFS）是腾讯云存储团队新推出的一款完全兼容HDFS协议，主要解决大数据场景下海量数据存储和数据分析，能够为大数据用户在无需更改现有代码的基础上，将本地自建的 HDFS 文件系统无缝迁移至CHDFS 上。可以将ES中的历史索引数据移动到CHDFS保存。
接下来，我们将一步一步地教您如何打通ES到CHDFS的数据流。
准备工作
在开始前，需要做以下几件事情：
1. 搭建hadoop环境，2.x和3.x均可。也可以使用腾讯云EMR套件，省时省力；
2. 安装ES-hadoop插件，作者下载的是elasticsearch-hadoop-7.4.2.jar(点击下载)，下载后将插件安装到hadoop组件的每台服务器上的classpath中(可以使用java classpath命令查看)；
3. 下载CHDFS插件，并且配置好CHDFS的插件(点击查看)；
4. 创建CHDFS文件系统并配置好权限组和挂载点(点击查看)；
当上面4个步骤均准备成功，恭喜你，离成功越来越近了。
编写备份代码
编写MapReduce程序，编写自己的Mapper，示例：
代码语言：javascript复制package org.chdfs.es_chdfs;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import org.elasticsearch.hadoop.mr.LinkedMapWritable;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import java.io.IOException;
class TestMapper extends Mapper<Text, LinkedMapWritable, Text, LinkedMapWritable> {
private static final Logger LOG = LoggerFactory.getLogger(TestMapper.class);
@Override
protected void setup(Context context) throws IOException, InterruptedException {
super.setup(context);
}
@Override
protected void map(Text key, LinkedMapWritable value, Context context)
throws IOException, InterruptedException {
context.write(key, value);
}
@Override
protected void cleanup(Context context) throws IOException, InterruptedException {
super.cleanup(context);
}
}编写Main函数，指定ES的实例及索引，示例代码：
代码语言：javascript复制package org.chdfs.es_chdfs;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.elasticsearch.hadoop.mr.EsInputFormat;
import org.elasticsearch.hadoop.mr.LinkedMapWritable;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
public class EsToCHDFS {
private static Logger LOG = LoggerFactory.getLogger(EsToCHDFS.class);
public static void main(String[] args) {
try {
Configuration conf = new Configuration();
conf.setBoolean("mapred.map.tasks.speculative.execution", false);
conf.setBoolean("mapred.reduce.tasks.speculative.execution", false);
//ElasticSearch节点
conf.set("es.nodes", "10.0.1.11:9200");
//ElaticSearch 索引
conf.set("es.resource", "logstash-2019.11.29-000001");
if (args.length != 1) {
LOG.error("error : " args.length);
System.exit(1);
}
Job job = Job.getInstance(conf, " EsToCHDFS ");
job.setJarByClass(EsToCHDFS.class);
job.setInputFormatClass(EsInputFormat.class);
job.setMapperClass(TestMapper.class);
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(LinkedMapWritable.class);
FileOutputFormat.setOutputPath(job, new Path(args[0]));
System.out.println(job.waitForCompletion(true));
} catch (Exception e) {
LOG.error(e.getMessage(), e);
}
}
}编译代码生成jar包，例如es-chdfs-0.0.1-SNAPSHOT.jar
备份数据
当生成好jar包之后，在hadoop环境执行启动job命令， 例如：
代码语言：javascript复制hadoop jar es-chdfs-0.0.1-SNAPSHOT.jar org.chdfs.es_chdfs.E2HJob01 ofs://f4mnighxmwd-tiW9.chdfs.ap-beijing.myzijiebao.com/e2h其中，指定CHDFS的存储路径，
ofs://f4mnighxmwd-tiW9.chdfs.ap-beijing.myzijiebao.com/e2h
注意：由于mapreduce的限制，需要确保e2h目录是不存在的。
查看效果
提交MapReduce后，可以查看hadoop监控页面观察作业是否正常结束。
如果正常结束后，可以查看CHDFS上的文件是否有生成。如果有看到类似如下的显示，恭喜你，成功完成ES到CHDFS的数据转储。
数据分析
备份成功后，可以释放ElasticSearch上历史数据，极大节省了ElasticSearch上的存储成本。
CHDFS可以无缝对接各种主流的大数据套件，如Spark、hive、tez、presto、MapReduce、腾讯云EMR等。数据落地到CHDFS后，可以轻松高效的使用常见大数据组件来进行数据的进一步分析，为客户创造更多的价值。
扫码关注有惊喜更多好礼请点击领取COS限时1元礼包！
