製品をチェック

無償トライアル:

無償トライアルへ

製品の情報と無償トライアルへ:

HDFS JDBC Driver

HDFS データに連携するJava アプリケーションを素早く、簡単に開発できる便利なドライバー。

データ連携でお困りですか?

お問い合わせ

Elasticsearch へLogstash 経由でHDFS データをロードする方法


全文検索サービスElasticsearch のETL/ELT モジュール「Logstash」とCData JDBC Driver を使って、HDFS データを簡単にロードする方法をご紹介。


加藤龍彦
ウェブデベロッパー

hdfs ロゴ画像

JDBC Driver

jdbc ロゴ画像
Elasticsearch Logstash ロゴ画像

こんにちは!Web 担当の加藤です。Elasticsearch は、人気の分散型全文検索エンジンです。データを一元的に格納することで、超高速検索や、関連性の細かな調整、パワフルな分析が大規模に、手軽に実行可能になります。Elasticsearch にはデータのローディングを行うパイプラインツール「Logstash」があります。CData Drivers を利用することができるので、30日の無償評価版をダウンロードしてあらゆるデータソースを簡単にElasticsearch に取り込んで検索・分析を行うことができます。

この記事では、CData Driver for HDFS を使って、HDFS のデータをLogstash 経由でElasticsearch にロードする手順を説明します。

Elasticsearch Logstash でCData JDBC Driver for HDFS を使用

  • CData JDBC Driver for HDFS をLogstash が稼働するマシンにインストールします。
  • 以下のパスにJDBC Driver がインストールされます(2022J の部分はご利用される製品バージョンによって異なります)。後ほどこのパスを使います。この.jar ファイル(製品版の場合は.lic ファイルも)をLogstash に配置します。
    C:\Program Files\CData\CData JDBC Driver for HDFS 2022J\lib\cdata.jdbc.hdfs.jar
  • 次に、Logstash とCData JDBC Driver をつなぐ、JDBC Input Plugin をインストールします。JDBC Plugin は最新のLogstash だとデフォルトでついてきますが、バージョンによっては追加する必要があります。
    https://www.elastic.co/guide/en/logstash/5.4/plugins-inputs-jdbc.html
  • CData JDBC Driver の.jar ファイルと.lic ファイルを、Logstashの「/logstash-core/lib/jars/」に移動します。

Logstash でElasticsearch にHDFS データを送る

それでは、Logstash でElasticsearch にHDFS データの転送を行うための設定ファイルを作成していきます。

  • Logstash のデータ処理定義であるlogstash.conf ファイルにHDFS データを取得する処理を書きます。Input はJDBC、Output はElasticsearch にします。データローディングジョブの起動間隔は30秒に設定しています。
  • CData JDBC Driver の.jar をjdbc driver ライブラリにして、クラス名を設定、HDFS への接続プロパティをJDBC URL の形でせっていします。JDBC URL ではほかにも詳細な設定を行うことができるので、細かくは製品ドキュメントをご覧ください。
  • In order to authenticate, set the following connection properties:

    • Host: Set this value to the host of your HDFS installation.
    • Port: Set this value to the port of your HDFS installation. Default port: 50070
                input {
                    jdbc {
                        jdbc_driver_library => "../logstash-core/lib/jars/cdata.jdbc.hdfs.jar"
                        jdbc_driver_class => "Java::cdata.jdbc.hdfs.HDFSDriver"
                        jdbc_connection_string => "jdbc:hdfs:Host=sandbox-hdp.hortonworks.com;Port=50070;Path=/user/root;User=root;"
                        jdbc_user => ""
                        jdbc_password => ""
                        schedule => "*/30 * * * * *"
                        statement => "SELECT FileId, ChildrenNum FROM Files WHERE FileId = '119116'"
                    }
                }
                    
                    
                output {
                    Elasticsearch {
                        index => "hdfs_Files"
                        document_id => "xxxx"
                    }
                }
            

Logstash でHDFS のローディングを実行

それでは作成した「logstash.conf」ファイルを元にLogstash を実行してみます。

> logstash-7.8.0\bin\logstash -f logstash.conf

成功した旨のログが出ます。これでHDFS データがElasticsearch にロードされました。

例えばKibana で実際にElasticsearch に転送されたデータを見てみます。

        GET hdfs_Files/_search
        {
            "query": {
                "match_all": {}
            }
        }
    
Elasticsearch にロードされたHDFS データをクエリ

データがElasticsearch に格納されていることが確認できました。

Elasticsearch にロードされたHDFS データを確認

CData JDBC Driver for HDFS をLogstash で使うことで、HDFS コネクタとして機能し、簡単にデータをElasticsearch にロードすることができました。ぜひ、30日の無償評価版をお試しください。