ElasticSearch之-python操作

1 前言

Python中关于elasticsearch的操作,主要集中一下几个方面:

  • 结果过滤,对于返回结果做过滤,主要是优化返回内容。

  • Elasticsearch(简称es),直接操作elasticsearch对象,处理一些简单的索引信息。以下几个方面都是建立在es对象的基础上。

  • Indices,关于索引的细节操作,比如创建自定义的mappings

  • Cluster,关于集群的相关操作。

  • Nodes,关于节点的相关操作。

  • Cat API,换一种查询方式,一般的返回都是json类型的,cat提供了简洁的返回结果。

  • Snapshot,快照相关,快照是从正在运行的Elasticsearch集群中获取的备份。我们可以拍摄单个索引或整个群集的快照,并将其存储在共享文件系统的存储库中,并且有一些插件支持S3,HDFS,Azure,Google云存储等上的远程存储库。

  • Task Management API,任务管理API是新的,仍应被视为测试版功能。API可能以不向后兼容的方式更改。

 

es对象

  • es.index,向指定索引添加或更新文档,如果索引不存在,首先会创建该索引,然后再执行添加或者更新操作。

# print(es.index(index='w2', doc_type='_doc', id='4', body={"name":"可可", "age": 18}))    # 正常
# print(es.index(index='w2', doc_type='_doc', id=5, body={"name":"卡卡西", "age":22}))     # 正常
# print(es.index(index='w2', id=6, body={"name": "鸣人", "age": 22}))  # 会报错,TypeError: index() missing 1 required positional argument: 'doc_type'
print(es.index(index='w2', doc_type='doc', body={"name": "鸣人", "age": 22}))  # 可以不指定id,默认生成一个id
  • es.get,查询索引中指定文档。

print(es.get(index='w2', doc_type='doc', id=5))  # 正常
print(es.get(index='w2', doc_type='doc'))  # TypeError: get() missing 1 required positional argument: 'id'
print(es.get(index='w2',  id=5))  # TypeError: get() missing 1 required positional argument: 'doc_type'
  • es.search,执行搜索查询并获取与查询匹配的搜索匹配。这个用的最多,可以跟复杂的查询条件。

    • index要搜索的以逗号分隔的索引名称列表; 使用_all 或空字符串对所有索引执行操作。

    • doc_type 要搜索的以逗号分隔的文档类型列表; 留空以对所有类型执行操作。

    • body 使用Query DSL(QueryDomain Specific Language查询表达式)的搜索定义。

    • _source 返回_source字段的true或false,或返回的字段列表,返回指定字段。

    • _source_exclude要从返回的_source字段中排除的字段列表,返回的所有字段中,排除哪些字段。

    • _source_include_source字段中提取和返回的字段列表,跟_source差不多。

print(es.search(index='py3', doc_type='doc', body={"query": {"match":{"age": 20}}}))  # 一般查询
print(es.search(index='py3', doc_type='doc', body={"query": {"match":{"age": 19}}},_source=['name', 'age']))  # 结果字段过滤
print(es.search(index='py3', doc_type='doc', body={"query": {"match":{"age": 19}}},_source_exclude  =[ 'age']))
print(es.search(index='py3', doc_type='doc', body={"query": {"match":{"age": 19}}},_source_include =[ 'age']))

es.get_source,通过索引、类型和ID获取文档的来源,其实,直接返回想要的字典。

print(es.get_source(index='py3', doc_type='doc', id='1'))  # {'name': '王五', 'age': 19}
  • es.count,执行查询并获取该查询的匹配数。比如查询年龄是18的文档。

body = {
    "query": {
        "match": {
            "age": 18
        }
    }
}
print(es.count(index='py2', doc_type='doc', body=body))  # {'count': 1, '_shards': {'total': 5, 'successful': 5, 'skipped': 0, 'failed': 0}}
print(es.count(index='py2', doc_type='doc', body=body)['count'])  # 1
print(es.count(index='w2'))  # {'count': 6, '_shards': {'total': 5, 'successful': 5, 'skipped': 0, 'failed': 0}}
print(es.count(index='w2', doc_type='doc'))  # {'count': 6, '_shards': {'total': 5, 'successful': 5, 'skipped': 0, 'failed': 0}}
  • es.create,创建索引(索引不存在的话)并新增一条数据,索引存在仅新增(只能新增,重复执行会报错)。

print(es.create(index='py3', doc_type='doc', id='1', body={"name": '王五', "age": 20}))
print(es.get(index='py3', doc_type='doc', id='3'))

在内部,调用了index,等价于:

print(es.index(index='py3', doc_type='doc', id='4', body={"name": "麻子", "age": 21}))

但个人觉得没有index好用!

  • es.delete,删除指定的文档。比如删除文章id为4的文档,但不能删除索引,如果想要删除索引,还需要es.indices.delete来处理

print(es.delete(index='py3', doc_type='doc', id='4'))
  • es.delete_by_query,删除与查询匹配的所有文档。

    • index 要搜索的以逗号分隔的索引名称列表; 使用_all 或空字符串对所有索引执行操作。

    • doc_type 要搜索的以逗号分隔的文档类型列表; 留空以对所有类型执行操作。

    • body使用Query DSL的搜索定义。

print(es.delete_by_query(index='py3', doc_type='doc', body={"query": {"match":{"age": 20}}}))
  • es.exists,查询elasticsearch中是否存在指定的文档,返回一个布尔值。

print(es.exists(index='py3', doc_type='doc', id='1'))
  • es.info,获取当前集群的基本信息。

print(es.info())
  • es.ping,如果群集已启动,则返回True,否则返回False。

print(es.ping())

 

3 Indices(es.indices)

  • es.indices.create,在Elasticsearch中创建索引,用的最多。比如创建一个严格模式、有4个字段、并为title字段指定ik_max_word查询粒度的mappings。并应用到py4索引中。这也是常用的创建自定义索引的方式。

body = {
    "mappings": {
        "doc": {
            "dynamic": "strict",
            "properties": {
                "title": {
                    "type": "text",
                    "analyzer": "ik_max_word"
                },
                "url": {
                    "type": "text"
                },
                "action_type": {
                    "type": "text"
                },
                "content": {
                    "type": "text"
                }
            }
        }
    }
}
es.indices.create('py4', body=body)
  • es.indices.analyze,返回分词结果。

es.indices.analyze(body={'analyzer': "ik_max_word", "text": "皮特和茱丽当选“年度模范情侣”Brad Pitt and Angelina Jolie"})
  • es.indices.delete,在Elasticsearch中删除索引。

print(es.indices.delete(index='py4'))
print(es.indices.delete(index='w3'))    # {'acknowledged': True}
  • es.indices.put_alias,为一个或多个索引创建别名,查询多个索引的时候,可以使用这个别名。

    • index 别名应指向的逗号分隔的索引名称列表(支持通配符),使用_all对所有索引执行操作。

    • name要创建或更新的别名的名称。

    • body别名的设置,例如路由或过滤器。

print(es.indices.put_alias(index='py4', name='py4_alias'))  # 为单个索引创建别名
print(es.indices.put_alias(index=['py3', 'py2'], name='py23_alias'))  # 为多个索引创建同一个别名,联查用
  • es.indices.delete_alias,删除一个或多个别名。

print(es.indices.delete_alias(index='alias1'))
print(es.indices.delete_alias(index=['alias1, alias2']))
  • es.indices.get_mapping,检索索引或索引/类型的映射定义。

print(es.indices.get_mapping(index='py4'))
  • es.indices.get_settings,检索一个或多个(或所有)索引的设置。

print(es.indices.get_settings(index='py4'))
  • es.indices.get,允许检索有关一个或多个索引的信息。

print(es.indices.get(index='py2'))    # 查询指定索引是否存在
print(es.indices.get(index=['py2', 'py3']))
  • es.indices.get_alias,检索一个或多个别名。

print(es.indices.get_alias(index='py2'))
print(es.indices.get_alias(index=['py2', 'py3']))
  • es.indices.get_field_mapping,检索特定字段的映射信息。

print(es.indices.get_field_mapping(fields='url', index='py4', doc_type='doc'))
print(es.indices.get_field_mapping(fields=['url', 'title'], index='py4', doc_type='doc'))
  • es.indices.delete_alias,删除特定别名。

  • es.indices.exists,返回一个布尔值,指示给定的索引是否存在。

  • es.indices.exists_type,检查索引/索引中是否存在类型/类型。

  • es.indices.flus,明确的刷新一个或多个索引。

  • es.indices.get_field_mapping,检索特定字段的映射。

  • es.indices.get_template,按名称检索索引模板。

  • es.indices.open,打开一个封闭的索引以使其可用于搜索。

  • es.indices.close,关闭索引以从群集中删除它的开销。封闭索引被阻止进行读/写操作。

  • es.indices.clear_cache,清除与一个或多个索引关联的所有缓存或特定缓存。

  • es.indices.put_alias,为特定索引/索引创建别名。

  • es.indices.get_uprade,监控一个或多个索引的升级程度。

  • es.indices.put_mapping,注册特定类型的特定映射定义。

  • es.indices.put_settings,实时更改特定索引级别设置。

  • es.indices.put_template,创建一个索引模板,该模板将自动应用于创建的新索引。

  • es.indices.rollove,当现有索引被认为太大或太旧时,翻转索引API将别名转移到新索引。API接受单个别名和条件列表。别名必须仅指向单个索引。如果索引满足指定条件,则创建新索引并切换别名以指向新别名。

  • es.indices.segments,提供构建Lucene索引(分片级别)的低级别段信息。


 

4 Cluster(集群相关)

  • es.cluster.get_settigns,获取集群设置。

print(es.cluster.get_settings())
  • es.cluster.health,获取有关群集运行状况的非常简单的状态。

print(es.cluster.health())
  • es.cluster.state,获取整个集群的综合状态信息。

print(es.cluster.state())
  • es.cluster.stats,返回群集的当前节点的信息。

print(es.cluster.stats())

 

5 Node(节点相关)

  • es.nodes.info,返回集群中节点的信息。

print(es.nodes.info())  # 返回所节点
print(es.nodes.info(node_id='node1'))   # 指定一个节点
print(es.nodes.info(node_id=['node1', 'node2']))   # 指定多个节点列表
  • es.nodes.stats,获取集群中节点统计信息。

print(es.nodes.stats())
print(es.nodes.stats(node_id='node1'))
print(es.nodes.stats(node_id=['node1', 'node2']))
  • es.nodes.hot_threads,获取指定节点的线程信息。

print(es.nodes.hot_threads(node_id='node1'))
print(es.nodes.hot_threads(node_id=['node1', 'node2']))
  • es.nodes.usage,获取集群中节点的功能使用信息。

print(es.nodes.usage())
print(es.nodes.usage(node_id='node1'))
print(es.nodes.usage(node_id=['node1', 'node2']))

 

6 Cat(一种查询方式)

  • es.cat.aliases,返回别名信息。

    • name要返回的以逗号分隔的别名列表。

    • formatAccept标头的简短版本,例如json,yaml

print(es.cat.aliases(name='py23_alias'))
print(es.cat.aliases(name='py23_alias', format='json'))
  • es.cat.allocation,返回分片使用情况。

print(es.cat.allocation())
print(es.cat.allocation(node_id=['node1']))
print(es.cat.allocation(node_id=['node1', 'node2'], format='json'))
  • es.cat.count,Count提供对整个群集或单个索引的文档计数的快速访问。

print(es.cat.count())  # 集群内的文档总数
print(es.cat.count(index='py3'))  # 指定索引文档总数
print(es.cat.count(index=['py3', 'py2'], format='json'))  # 返回两个索引文档和
  • es.cat.fielddata,基于每个节点显示有关当前加载的fielddata的信息。有些数据为了查询效率,会放在内存中,fielddata用来控制哪些数据应该被放在内存中,而这个es.cat.fielddata则查询现在哪些数据在内存中,数据大小等信息。

print(es.cat.fielddata())
print(es.cat.fielddata(format='json', bytes='b'))

bytes显示字节值的单位,有效选项为:'b','k','kb','m','mb','g','gb','t','tb' ,'p','pb' formatAccept标头的简短版本,例如json,yaml

  • es.cat.health,从集群中health里面过滤出简洁的集群健康信息。

print(es.cat.health())
print(es.cat.health(format='json'))
  • es.cat.help,返回es.cat的帮助信息。

print(es.cat.help())
  • es.cat.indices,返回索引的信息;也可以使用此命令进行查询集群中有多少索引。

print(es.cat.indices())
print(es.cat.indices(index='py3'))
print(es.cat.indices(index='py3', format='json'))
print(len(es.cat.indices(format='json')))  # 查询集群中有多少索引
  • es.cat.master,返回集群中主节点的IP,绑定IP和节点名称。

print(es.cat.master())
print(es.cat.master(format='json'))
  • es.cat.nodeattrs,返回节点的自定义属性。

print(es.cat.nodeattrs())
print(es.cat.nodeattrs(format='json'))
  • es.cat.nodes,返回节点的拓扑,这些信息在查看整个集群时通常很有用,特别是大型集群。我有多少符合条件的节点?

print(es.cat.nodes())
print(es.cat.nodes(format='json'))
  • es.cat.plugins,返回节点的插件信息。

print(es.cat.plugins())
print(es.cat.plugins(format='json'))
  • es.cat.segments,返回每个索引的Lucene有关的信息。

print(es.cat.segments())
print(es.cat.segments(index='py3'))
print(es.cat.segments(index='py3', format='json'))
  • es.cat.shards,返回哪个节点包含哪些分片的信息。

print(es.cat.shards())
print(es.cat.shards(index='py3'))
print(es.cat.shards(index='py3', format='json'))
  • es.cat.thread_pool,获取有关线程池的信息。

print(es.cat.thread_pool())

 

7 Snapshot(快照相关)

  • es.snapshot.create,在存储库中创建快照。

    • repository 存储库名称。

    • snapshot快照名称。

    • body快照定义。

  • es.snapshot.delete,从存储库中删除快照。

  • es.snapshot.create_repository。注册共享文件系统存储库。

  • es.snapshot.delete_repository,删除共享文件系统存储库。

  • es.snapshot.get,检索有关快照的信息。

  • es.snapshot.get_repository,返回有关已注册存储库的信息。

  • es.snapshot.restore,恢复快照。

  • es.snapshot.status,返回有关所有当前运行快照的信息。通过指定存储库名称,可以将结果限制为特定存储库。

  • es.snapshot.verify_repository,返回成功验证存储库的节点列表,如果验证过程失败,则返回错误消息。


 

8 Task(任务相关)

  • es.tasks.get,检索特定任务的信息。

  • es.tasks.cancel,取消任务。

  • es.tasks.list,任务列表。


 

9 结果过滤

print(es.search(index='py2', filter_path=['hits.total', 'hits.hits._source']))    # 可以省略type类型
print(es.search(index='w2', doc_type='doc'))                                      # 可以指定type类型
print(es.search(index='w2', doc_type='doc', filter_path=['hits.total']))

filter_path参数用于减少elasticsearch返回的响应,比如仅返回hits.totalhits.hits._source内容。 除此之外,filter_path参数还支持*通配符以匹配字段名称、任何字段或者字段部分:

print(es.search(index='py2', filter_path=['hits.*']))
print(es.search(index='py2', filter_path=['hits.hits._*']))
print(es.search(index='py2', filter_path=['hits.to*']))                           # 仅返回响应数据的total
print(es.search(index='w2', doc_type='doc', filter_path=['hits.hits._*']))        # 可以加上可选的type类型

 

10 原生集成

# Official low-level client for Elasticsearch  官方提供的低级别的模块

# 等同于pymysql,需要写原生的es查询语句
# pip3 install elasticsearch

from elasticsearch import Elasticsearch

es = Elasticsearch()   # 得到一个对象
#1、创建索引(Index),一般创建索引不用代码去干
# 索引名user,body插入一条数据,ignore=400忽略400错误
result = es.indices.create(index='user', body{"userid":'1','username':'lqz'},ignore=400)
print(result)

#2、删除索引
result = es.indices.delete(index='user', ignore=[400, 404])

#3、插入数据,从mysql中查出数据,拼到data中,往es中导入数据
data = {'userid': '1', 'username': 'lqz','password':'123'}
result = es.create(index='news', doc_type='_doc', id=1, body=data) #没有索引会新建
print(result)

#4 更新数据,属于局部更新,即es增删改查中的post操作,而不是put操作
'''
不用doc包裹会报错
ActionRequestValidationException[Validation Failed: 1: script or doc is missing
'''
data ={'doc':{'userid': '1', 'username': 'lqz','password':'123ee','test':'test'}}
result = es.update(index='news', doc_type='_doc', body=data, id=1)
print(result)

#5 删除数据
result = es.delete(index='news', doc_type='_doc', id=1)
print(result)

#6 查询
#查找所有文档
query = {'query': {'match_all': {}}}

#查找名字叫做tilte中含有“十个”的所有文档
query = {'query': {'match': {'title': '十个'}}}

#查找年龄大于11的所有文档
query = {'query': {'range': {'age': {'gt': 11}}}}

allDoc = es.search(index='books', doc_type='_doc', body=query)
print(allDoc)
print(allDoc['hits']['hits'][0]['_source'])

 

11 dsl集成

# Elasticsearch DSL is a high-level  官方提供的更高级别的封装 模块

# pip3 install elasticsearch-dsl


from datetime import datetime
from elasticsearch_dsl import Document, Date, Nested, Boolean,analyzer, InnerDoc, Completion, Keyword, Text,Integer

from elasticsearch_dsl.connections import connections

connections.create_connection(hosts=["localhost"]) #连接

# 定义一个类,可以看做一个表模型
class Article(Document):  
    title = Text(analyzer='ik_max_word') # 用ik分词器
    author = Text()  # 用默认分词器

    class Index:
        name = 'myindex'  # 索引名

    def save(self, ** kwargs):
        return super(Article, self).save(** kwargs)


if __name__ == '__main__':
    # Article.init()  # 创建索引
    # 插入数据
    article = Article()
    article.title = "老男孩上海校区"
    article.author = "lqz"
    article.save()  # 数据就保存了

    #查询数据
    s=Article.search()
    s = s.filter('match', title="上海")
  
    results = s.execute()  # 执行
    print(results)  # 拿回一个对象,类型django ORM拿回的queryset对象
    print(results[0].title)

    #删除数据 先拿回数据再删除
    s = Article.search()
    s = s.filter('match', title="李清照").delete()

    #修改数据 先拿回数据再修改
    s = Article().search()
    s = s.filter('match', title="上海")
    results = s.execute()
    print(results[0])
    results[0].title="李清照阿斯顿发送到发送阿斯蒂"
    results[0].save()

 

posted @ 2022-12-06 19:56  不会钓鱼的猫  阅读(140)  评论(0编辑  收藏  举报