python elasticsearch_dsl模块
在整理elasticsearch_dsl模块过程中，着实让我头大。
个人感觉就是资料太少而且很乱，不成体系，接口很多，没有规范。
此文凑合着看，以后有时间后加以修改。
还有一些部分官方文档都没有说清楚，以后弄懂了再补充。
简介
elasticsearch-dsl是基于elasticsearch-py封装实现的，提供了更简便的操作elasticsearch的方法。
安装
pip install elasticsearch_dsl
连接elasticsearch
使用 connections.create_connection()进行连接，根据源码：
# alias是设置的别名
conn = self._conns[alias] = Elasticsearch(**kwargs)
return conn
我们知道，create_connection的参数应该与elasticsearch.Elasticsearch是相一致的。详见此文档：Python Elasticsearch Client。
下面做一下简单的连接工作：
from elasticsearch_dsl import connections, Search
es = connections.create_connection(hosts=["localhost:9200"], timeout=20)
除此之外，还可以通过alias给连接设置别名，后续可以通过别名来引用该连接，默认别名为default
from elasticsearch_dsl import connections
connections.create_connection(alias='my_new_connection', hosts=["localhost:9200"], timeout=60)
使用别名后这样用：
from elasticsearch_dsl import connections, Search, Q
es = connections.create_connection(alias="eaaa", hosts=["localhost:9200"])
e = Search(using="eaaa").index("account").query()
for i in e:
print(i.to_dict())
elasticsearch_dsl.Search
search对象代表整个搜索请求，包括：queries、filters、aggregations、sort、pagination、additional parameters、associated client。
API被设置为可链接的即和用.连续操作。search对象是不可变的，除了聚合，对对象的所有更改都将导致创建包含该更改的浅表副本。
当初始化Search对象时，你可以传递elasticsearch客户端作为using的参数。比如：
from elasticsearch_dsl import connections, Search
es = connections.create_connection(hosts=["localhost:9200"], timeout=20)
s = Search(using=es)
当然，不传也没关系，后面可以在指定。
一般使用：
from elasticsearch_dsl import connections, Search
es = connections.create_connection(hosts=["localhost:9200"], timeout=20)
s = Search(using=es).query("match", firstname="Hattie")
# 这样写也行
# s = Search(using=es).query({"match": {"firstname": "Hattie"}})
for i in s:
print(i.to_dict())
"""
结果：
{'account_number': 6, 'balance': 5686, 'firstname': 'Hattie', 'lastname': 'Bond', 'age': 36, 'gender': 'M', 'address': '671 Bristol Street', 'employer': 'Netagy', 'email': 'hattiebond@netagy.com', 'city': 'Dante', 'state': 'TN'}
"""
执行execute方法将请求发送给elasticsearch：
response = s.execute()
上面的例子没有调用execute()是因为我们调用了循环，在search对象是一个可迭代对象，它的源码：
def __iter__(self):
"""
Iterate over the hits.
"""
return iter(self.execute())
所以我们不需要执行execute()方法，
迭代后可以通过to_dict()方法将Search对象序列化为一个dict对象，这样可以方便调试。
- query方法
查询，参数可以是Q对象，也可以是query模块中的一些类，还可以是自已写上如何查询。 - filter方法
在背后，这会产生一个bool查询，并将指定的条件查询放入其filter分支，等价与下面的操作：如果你想要在过滤上下文中添加查询，可以使用filter()函数来使之变的简单。 s = Search() s = s.filter('terms', tags=['search', 'python'])s = Search() s = s.query('bool', filter=[Q('terms', tags=['search', 'python'])])s = Search() s = s.filter('terms', tags=['search', 'python']) # 过滤，在此为范围过滤，range是方法，timestamp是所要查询的field的名字，gte意为大于等于，lt意为小于，根据需要设定即可(似乎过滤只能接受数字形式的内容，如果是文本就会返回空) # 关于term和match的区别，term是精确匹配，match会模糊化，会进行分词，返回匹配度分数，（term查询字符串之接受小写字母，如果有大写会返回空即没有命中，match则是不区分大小写都可以进行查询，返回结果也一样） # 例1:范围查询 s = s.filter("range", timestamp={"gte": 0, "lt": time.time()}).query("match", country="in") # 例2:普通过滤 res_3 = s.filter("terms", balance_num=["39225", "5686"]).execute() - index方法
指定索引 - usring方法
指定哪个elasticsearch
注意：
当调用.query()方法多次时，内部会使用&操作符：
s = s.query().query()
print(s.to_dict())
# {"query": {"bool": {...}}}
elasticsearch_dsl.query
该库为所有的Elasticsearch查询类型都提供了类。以关键字参数传递所有的参数，最终会把参数序列化后传递给Elasticsearch，这意味着在原始查询和它对应的dsl之间有这一个清理的一对一的映射。
from elasticsearch_dsl import connections, Search
from elasticsearch_dsl.query import MultiMatch, Match, MatchAll, Filtered, Term, Terms, Prefix
es = connections.create_connection(hosts=["localhost:9200"], timeout=20)
# 相对与{"multi_match": {"query": "ha", "fields": ["firstname", "lastname"]}}
m1 = MultiMatch(query='Ha', fields=['firstname', 'lastname'])
# 相当于{"match": {"firstname": {"query": "Hughes"}}}
m2 = Match(firstname={"query": "Hughes"})
s = s.query(m2)
for i in s:
print(i.to_dict())
这个库里面还有很多类，对应着dsl的查询方式，可以自己点击去看看。
elasticsearch_dsl.Q
使用快捷方式Q通过命名参数或者原始dict类型数据来构建一个查询实例。
from elasticsearch_dsl import connections, Search, Q
es = connections.create_connection(hosts=["localhost:9200"], timeout=20)
# q = Q("match", city="Summerfield")
q = Q("multi_match", query='Summerfield', fields=['city', 'firstname'])
s = Search(using=es).index("account")
s = s.query(q)
for i in s:
print(i.to_dict())
可以看到，Q的格式一般是Q("查询类型", 字段="xxx")或Q("查询类型", query="xxx", fields=['字段1', '字段2'])
查询对象可以通过逻辑运算符组合起来：
Q("match", title='python') | Q("match", title='django')
# {"bool": {"should": [...]}}
Q("match", title='python') & Q("match", title='django')
# {"bool": {"must": [...]}}
~Q("match", title="python")
# {"bool": {"must_not": [...]}}
比如：
from elasticsearch_dsl import Q, Search
# q = Q("multi_match", query="123.244.101.255", fields=["clientip", 'timestamp'])
q = Q("match", clientip="123.244.101.255") | Q("match", clientip="42.248.168.61")
s = Search().query(q)
for item in s:
print(item.clientip)
嵌套类型
有时候你想要引用一个在其他字段中的字段，例如多字段（title.keyword）或者在一个json文档中的address.city。为了方便，Q允许你使用双下划线‘__’代替关键词参数中的‘.’
s = Search()
s = s.filter('term', category__keyword='Python')
s = s.query('match', address__city='prague')
查询
简单的例子：
from elasticsearch_dsl import Search
from elasticsearch import Elasticsearch
es_object = Elasticsearch(['url:9200'], sniffer_timeout=60, timeout=30)
# 获取es中所有的索引
# 返回类型为字典，只返回索引名
es_object.cat.indices(format='json', h='index')
# 查询多个索引
es_s_object = Search(using=es_object, index=['log-2018-07-31', 'log-2018-07-30', 'log-2018-07-29'])
# 查询一个索引
es_s_object = Search(using=es_object, index='log-2018-07-31')
# 条件查询1
es_r_object = es_s_object.filter("range", timestamp={"gte": 1532879975, "lt": 1532880095})
# 条件查询2
es_r_object = es_r_object.filter("term", title='12345')
# 结果转换为字典
es_r_dict = es_r_object.execute().to_dict()
数据准备
-
下载示例数据
点击这里查看官方的示例数据，下载" accounts.zip"。 -
创建索引
from elasticsearch import Elasticsearch es = Elasticsearch(host="localhost", port=9200) body = { "mappings": { "properties": { "account_number": { "type": "integer" }, "balance": { "type": "integer" }, "firstname": { "type": "text" }, "lastname": { "type": "text" }, "age": { "type": "integer" }, "gender": { "type": "keyword" }, "address": { "type": "text" }, "employer": { "type": "text" }, "email": { "type": "text" }, "city": { "type": "text" }, "state": {"type": "text"} } } } # 创建 index es.indices.create(index="account", body=body) -
把数据写入文档中
在 accounts.zip解压目录下，执行命令：
curl -H 'Content-Type: application/json' -XPOST 'localhost:9200/account/_doc/_bulk?pretty' --data-binary @accounts.json
Windows平台：注意是否有curl命令，git bash自带，PowerShell好像也有
开始查询
我随便出的题，尽量让一些常用的查询方式用到，主要是用于加深印象的。
- 余额在15000到20000的顾客
- 余额在20000到30000的男性顾客
- state为WY，28岁或38岁的女性顾客
- 地址中有Street，年龄不在20-30的女顾客
- 按照年龄聚合，并且计算每个年龄的平均余额
- 按照年龄聚合，求20到30岁不同性别的平均余额
如何使用聚合，可以在文章的"其它方法"中的“聚合”中查看
# 1. 余额在15000到2000的顾客
from elasticsearch_dsl import connections, Search, Q
es = connections.create_connection(hosts=["localhost:9200"])
s = Search(using=es, index="account")
q = Q("range", balance={"gte": 15000, "lte": 20000})
s1 = s.query(q)
print("共查到%d条数据" % s1.count())
for i in s1[90:]:
print(i.to_dict())
# 2. 余额在20000到30000的男性顾客
from elasticsearch_dsl import connections, Search, Q
es = connections.create_connection(hosts=["localhost:9200"])
s = Search(using=es, index="account")
# 确定多少钱
q1 = Q("range", balance={"gte": 20000, "lte": 30000})
# 确定为男性
q2 = Q("term", gender="M")
# and
q = q1 & q2
s1 = s.query(q)
print("共查到%d条数据" % s1.count())
for i in s1:
print(i.to_dict())
# 3. state为WY，28岁或38岁的女性顾客
from elasticsearch_dsl import connections, Search, Q
es = connections.create_connection(hosts=["localhost:9200"])
s = Search(using=es, index="account")
# state为WY
q1 = Q("match", state="WY")
# 28或38的女性
q2 = Q("bool", must=[Q("terms", age=[28, 38]), Q("term", gender="F")])
# and
q = q1 & q2
s1 = s.query(q)
print("共查到%d条数据" % s1.count())
for i in s1:
print(i.to_dict())
# ############ 第二种写法 #############################
from elasticsearch_dsl import connections, Search, Q
es = connections.create_connection(hosts=["localhost:9200"])
s = Search(using=es, index="account")
# state为WY
q1 = Q("match", state="WY")
q2 = Q("term", age=28) | Q("term", age=38)
# 多次query就是& ==> and 操作
s1 = s.query(q1).query(q2)
print("共查到%d条数据" % s1.count())
for i in s1:
print(i.to_dict())
# 4. 地址中有Street，年龄不在20-30的女顾客
from elasticsearch_dsl import connections, Search, Q
es = connections.create_connection(hosts=["localhost:9200"])
s = Search(using=es, index="account")
# 地址中有Street且为女性
q1 = Q("match", address="Street") & Q("match", gender="F")
# 年龄在20-30
q2 = Q("range", age={"gte": 20, "lte": 30})
# 使用filter过滤
# query和filter的前后关系都行
s1 = s.query(q1).filter(q2)
print("共查到%d条数据" % s1.count())
# scan()列出全部数据
for i in s1.scan():
print(i.to_dict())
# 5. 按照年龄聚合，并且计算每个年龄的平均余额
from elasticsearch_dsl import connections, Search, A, Q
es = connections.create_connection(hosts=["localhost:9200"])
s = Search(using=es, index="account")
# 先用年龄聚合，然后拿到返平均数
# size指定最大返回多少条数据，默认10条
# 实质上account的数据中，age分组没有100个这么多
a = A("terms", field="age", size=100).metric("age_per_balance", "avg", field="balance")
s.aggs.bucket("res", a)
# 执行并拿到返回值
response = s.execute()
# res是bucket指定的名字
# response.aggregations.to_dict是一个
# {'doc_count_error_upper_bound': 0, 'sum_other_doc_count': 463, 'buckets': [{'...
# 的数据，和用restful查询的一样
for i in response.aggregations.res:
print(i.to_dict())
# 6. 按照年龄聚合，求20到30岁不同性别的平均余额
from elasticsearch_dsl import connections, Search, A, Q
es = connections.create_connection(hosts=["localhost:9200"])
s = Search(using=es, index="account")
# 这次就用这种方法
# range 要注意指定ranges参数和from to
a1 = A("range", field="age", ranges={"from": 20, "to": 21})
a2 = A("terms", field="gender")
a3 = A("avg", field="balance")
s.aggs.bucket("res", a1).bucket("gender_group", a2).metric("balance_avg", a3)
# 执行并拿到返回值
response = s.execute()
# res是bucket指定的名字
for i in response.aggregations.res:
print(i.to_dict())
s = s.query("match", age=41)
"""
{'key': '20.0-21.0', 'from': 20.0, 'to': 21.0, 'doc_count': 44, 'gender_group':
{'doc_count_error_upper_bound': 0, 'sum_other_doc_count': 0, 'buckets':
[{'key': 'M', 'doc_count': 27, 'balance_avg': {'value': 29047.444444444445}},
{'key': 'F', 'doc_count': 17, 'balance_avg': {'value': 25666.647058823528}}]}}
"""
写一下总结
由于account的数据是随机生成的，很多都没有共同的数据，本来想用一下multi_match，结果发现没有条件。
列子中，用到了match, term, filter, range, bool，虽然有很多查询方式没用上，但是应该都差不多这样用。
在使用过程中，我发现使用Q这个类构造查询方式实质上就和直接使用elasticsearchd-dsl一样(指的是格式上)。
假如是数组，如：bool的must、terms，那么就要字段=[ ]
假如是字典，如：range，那么就要字段={xxx: yyy, .... }
假如是单值，如：term、match，那么就要字段=值
假如查的是多个字段，如：multi_mathc，那么就要加上query="要查的值", fields=["字段1", "字段2", ...]
然后各个条件的逻辑关系，可以通过多次query和filter或直接用Q("bool", must=[Q...], should=[Q...])再加上& | ~表示
假如忘记了，该查询方式是否有数组、字典或直接就等于一个值的话
可以看一看这篇文章中对应查询方式的记录：DSL高级检索(Query)
其它方法
排序
要指定排序顺序，可以使用.order()方法。
s = Search().sort(
'category',
'-title',
{"lines" : {"order" : "asc", "mode" : "avg"}}
)
分页
要指定from、size，使用slicing API：
s = s[10:20]
# {"from": 10, "size": 10}
要访问匹配的所有文档，可以使用scan()函数，scan()函数使用scan、scroll elasticsearch API：
for hit in s.scan():
print(hit.title)
需要注意的是这种情况下结果是不会被排序的。
高亮
要指定高亮的通用属性，可以使用highlight_options()方法：
s = s.highlight_options(order='score')
可以通过highlight()方法来为了每个单独的字段设置高亮：
s = s.highlight('title')
# or, including parameters:
s = s.highlight('title', fragment_size=50)
然后，响应中的分段将在每个结果对象上以.meta.highlight.FIELD形式提供，其中将包含分段列表：
response = s.execute()
for hit in response:
for fragment in hit.meta.highlight.title:
print(fragment)
聚合
你可以是使用A快捷方式来定义一个聚合。
from elasticsearch_dsl import A
A('terms', field='tags')
# {"terms": {"field": "tags"}}
为了实现聚合嵌套，你可以使用.bucket()、.metirc()以及.pipeline()方法。
bucket ['bʌkɪt] 即为分组，其中第一个参数是分组的名字，自己指定即可，第二个参数是方法，第三个是指定的field。
metric ['metrɪk]也是同样，metric的方法有sum、avg、max、min等等，但是需要指出的是有两个方法可以一次性返回这些值，stats和extended_stats，后者还可以返回方差等值。
a = A('terms', field='category')
# {'terms': {'field': 'category'}}
a.metric('clicks_per_category', 'sum', field='clicks').bucket('tags_per_category', 'terms', field='tags')
# {
# 'terms': {'field': 'category'},
# 'aggs': {
# 'clicks_per_category': {'sum': {'field': 'clicks'}},
# 'tags_per_category': {'terms': {'field': 'tags'}}
# }
# }
# 例1
s.aggs.bucket("per_country", "terms", field="timestamp").metric("sum_click", "stats", field="click").metric("sum_request", "stats", field="request")
# 例2
s.aggs.bucket("per_age", "terms", field="click.keyword").metric("sum_click", "stats", field="click")
# 例3
s.aggs.metric("sum_age", "extended_stats", field="age")
# 例4
s.aggs.bucket("per_age", "terms", field="country.keyword")
# 最后依然是要execute，此处注意s.aggs的操作不能用变量接收（如res=s.aggs的操作就是错误的），聚合的结果会在res中显示
# 例5
a = A("range", field="account_number", ranges=[{"to": 10}, {"from": 11, "to": 21}])
res = s.execute()
要向Search对象添加聚合，请使用.aggs属性作为顶级聚合：
s = Search()
a = A('terms', field='category')
s.aggs.bucket('category_terms', a)
# {
# 'aggs': {
# 'category_terms': {
# 'terms': {
# 'field': 'category'
# }
# }
# }
# }
要么
s = Search()
s.aggs.bucket('articles_per_day', 'date_histogram', field='publish_date', interval='day')\
.metric('clicks_per_day', 'sum', field='clicks')\
.pipeline('moving_click_average', 'moving_avg', buckets_path='clicks_per_day')\
.bucket('tags_per_day', 'terms', field='tags')
s.to_dict()
# {
# "aggs": {
# "articles_per_day": {
# "date_histogram": { "interval": "day", "field": "publish_date" },
# "aggs": {
# "clicks_per_day": { "sum": { "field": "clicks" } },
# "moving_click_average": { "moving_avg": { "buckets_path": "clicks_per_day" } },
# "tags_per_day": { "terms": { "field": "tags" } }
# }
# }
# }
# }
您可以按名称访问现有的key(类似字典的方式)：
s = Search()
s.aggs.bucket('per_category', 'terms', field='category')
s.aggs['per_category'].metric('clicks_per_category', 'sum', field='clicks')
s.aggs['per_category'].bucket('tags_per_category', 'terms', field='tags')
可以通过aggregations属性来访问聚合结果：
for tag in response.aggregations.per_tag.buckets:
print(tag.key, tag.max_lines.value)
删除
可以通过调用Search对象上的delete方法而不是execute来实现删除匹配查询的文档，如下：
s = Search(index='i').query("match", title="python")
response = s.delete()
参考：
elasticsearch-dsl配置、使用、查询
查询操作实例
包含用类的形式使用elasticsearch-dsl
Elasticserch与Elasticsearch_dsl用法
【Python】Elasticsearch和elasticsearch_dsl
python3中的elasticsearch_dsl（例子）
本文来自博客园，作者：403·Forbidden，转载请注明原文链接：https://www.cnblogs.com/lczmx/p/14985538.html
