Elasticsearch：轻松处理 CSV 数据

前言

我们知道 CSV 是一种非常流行的数据格式。在 Elastic Stack 中，我们有很多的方式来摄入 CSV 格式的数据。我们可以先看看一个常用的数据摄入数据流：

>如上所示，我们可以采取不同的方法来对数据进行摄入。我们可以在不同的地方对数据进行处理。如上所示：

• 我们可以使用 Beats 所提供的 processors 来进行处理。
• 我们可以采用 Logstash 所提供的丰富过滤器来进行处理。
• 我们可以使用 Elasticsearch ingest 节点所提供的 processors 来进行处理。这个也是我们今天所需要讲的内容
• 我们还可以使用各类语言进行数据写入。

假设你有一个采用 CSV 格式的数据摄取流。 你可以选择开发一个例程，比如上面提到的 Python 应用来提取这些数据，但也许你可以通过使用 Elasticsearch 摄入节点所提供的 CSV 处理器来节省时间。

让我们配置 CSV 处理器来设置字段 “name”、“surname”、“address”、“phone”。 条目将是：“jhon bon;maclister;street wingol;552366636595”。
请注意，分隔符是 “;”，所以让我们将 “separator” 参数配置为值 “;”。

在 “target_fields” 字段中，我们将设置字段列表：“name”、“surname”、“address”、“phone”。出于教学目的，我不会使用其他参数，但如有必要，请访问文档。

我们的管道是这样的：

`

1.  POST /_ingest/pipeline/_simulate?verbose=true
2.  {
3.    "pipeline": {
4.      "description": "extract values from csv format",
5.      "processors": [
6.        {
7.          "csv": {
8.            "field": "csv_field",
9.            "target_fields": [
10.              "name", "surname", "address", "phone"
11.            ],
12.            "separator": ";"
13.          }
14.        }
15.      ]
16.    },
17.    "docs": [
18.      {
19.        "_index": "index",
20.        "_id": "id",
21.        "_source": {
22.          "csv_field": "jhon bon;maclister;street wingol;552366636595"
23.        }
24.      }
25.    ]
26.  }

`![](https://csdnimg.cn/release/blogv2/dist/pc/img/newCodeMoreWhite.png)

上面的输出是：

`

1.  {
2.    "docs": [3.      {4.        "processor_results": [5.          {6.            "processor_type": "csv",7.            "status": "success",8.            "doc": {9.              "_index": "index",10.              "_id": "id",11.              "_version": "-3",12.              "_source": {13.                "name": "jhon bon",14.                "csv_field": "jhon bon;maclister;street wingol;552366636595",15.                "address": "street wingol",16.                "phone": "552366636595",17.                "surname": "maclister"18.              },19.              "_ingest": {20.                "pipeline": "_simulate_pipeline",21.                "timestamp": "2023-02-03T03:17:44.015883051Z"22.              }23.            }24.          }25.        ]
26.      }
27.    ]
28.  }

`![](https://csdnimg.cn/release/blogv2/dist/pc/img/newCodeMoreWhite.png)

从输出中，我们可以看出来数据已经被结构化了。当然上面只是一个模拟的结果。我们需要使用如下的命令来创建一个处理 CSV 格式的 pipeline：

`

1.  PUT /_ingest/pipeline/extract_csv
2.  {
3.    "description": "extract values from csv format",
4.    "processors": [
5.      {
6.        "csv": {
7.          "field": "csv_field",
8.          "target_fields": [
9.            "name",
10.            "surname",
11.            "address",
12.            "phone"
13.          ],
14.          "separator": ";"
15.        }
16.      }
17.    ]
18.  }

`![](https://csdnimg.cn/release/blogv2/dist/pc/img/newCodeMoreWhite.png)

这样我们就创建了一个叫做 extract_csv 的 pipeline。我们在实际写入文档时，可以这么使用这个 pipeline:

1.  PUT twitter/_doc/1?pipeline=extract_csv
2.  {
3.    "csv_field": "jhon bon;maclister;street wingol;552366636595"
4.  }

我们来查看该文档：

GET twitter/_doc/1

我们可以看到如下的结果：

`

1.  {
2.    "_index": "twitter",
3.    "_id": "1",
4.    "_version": 1,
5.    "_seq_no": 0,
6.    "_primary_term": 1,
7.    "found": true,
8.    "_source": {
9.      "name": "jhon bon",
10.      "csv_field": "jhon bon;maclister;street wingol;552366636595",
11.      "address": "street wingol",
12.      "phone": "552366636595",
13.      "surname": "maclister"
14.    }
15.  }

`![](https://csdnimg.cn/release/blogv2/dist/pc/img/newCodeMoreWhite.png)

很显然，文档已经被结构化了。

这篇好文章是转载于：学新通技术网