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，大多数我们都是用MapReduce来分析数据，唯一的不足之处在于速度，为了解决这种问题所以才有了Hbase，Spark，Kylin，Presto，Imapla等等许多框架。而我们的elasticsearch却恰恰相反，尤其是其定位高性能的搜索引擎，处理多维数据的检索分析非常高效，此外ES也是一个分布式的，高可靠的，可扩展的搜索框架，这些特点也决定了其处理海量数据的效率也是非常出色的。但es和hadoop属于两个不同的框架，如果想互相共享数据来处理，就需要自己来写程序把各自的数据导入需要的一方，过程非常繁琐，并且需要关注各自框架的版本，从而容易出现问题。

ES-Hadoop的出现则解决了这个问题，我们可以把它看做是ES和Hadoop大数据生态圈之间的数据桥梁，通过它，我们可以快速的分析Hadoop里面的海量数据。

前面说了Hadoop的MapReduce定位是一个离线的批处理计算框架，而现在越来越多的服务，都要求是实时或者近实时的交互式分析，通过ES-Hadoop我们可以轻松的将Hadoop集群上面的数据导入到ES，从而通过使用ES来获得高性能，低延迟，并支持各种聚合，空间检索以及产品推荐的一些特性。最后还可以使用Kibana提供的可视化的数据分析一条龙服务，非常棒的组合。

整个数据流转图如下：

ES-Hadoop无缝打通了ES和Hadoop两个非常优秀的框架，我们既可以把HDFS的数据导入到ES里面做分析，也可以将es数据导出到HDFS上做备份，归档，其中值得一提的是ES-Hadoop全面的支持了Spark框架，其中包括Spark，Spark Streaming，Spark SQL，此外也支持Hive，Pig，Storm，Cascading，当然还有标准的MapReduce，无论用那一个框架集成ES，都是非常简洁的。

最后ES-Hadoop对各种版本的Hadoop都支持，这里面包含社区版本的Apache Hadoop，Cloudrea的CDH，MapR以及Hortonworks的HDP 所以无论我们使用哪个版本的Hadoop都可以非常easy的与ES集成，从而让ES的强大性能帮助我们快速分析海量数据。