如何在Python中進行Elasticsearch操作？

什么是ElasticSearch？

ElasticSearch（ES）是一個建立在Apache Lucene之上的高度可用的分布式開源搜索引擎。它基于Java構(gòu)建的，因此可用于許多平臺。數(shù)據(jù)以JSON格式非結(jié)構(gòu)化存儲，這也使其成為一種NoSQL數(shù)據(jù)庫。與其他NoSQL數(shù)據(jù)庫不同，ES還提供搜索引擎功能和其他相關(guān)功能。

ElasticSearch用例

ES可用于多種目的，下面給出了其中的幾個：

你運營著提供大量動態(tài)內(nèi)容的網(wǎng)站，比如電子商務(wù)網(wǎng)站或者博客。通過實施ES，你不僅可以為Web應(yīng)用程序提供強大的搜索引擎，還可以在應(yīng)用程序中提供原生自動補全功能。

你可以獲取不同類型的日志數(shù)據(jù)，然后可以使用它來查找趨勢和統(tǒng)計信息。

設(shè)置和運行

安裝ElasticSearch最簡單的方法就是下載并運行可執(zhí)行文件。必須確保使用的是Java 7或更高版本。

下載后解壓縮并運行它的二進制文件。

滾動窗口中會出現(xiàn)很多文字。如果你看到像下面這樣的，那么它應(yīng)該是完成了。

但是，由于眼見為實，通過cURL 查看類似于這樣的歡迎界面以便你知道確實成功安裝了：

在我開始訪問Python中的Elastic Search之前，我們來做一些基本的東西。 正如我提到ES提供了一個REST API接口，我們將使用它來執(zhí)行不同的任務(wù)。

基本示例

你要做的第一件事就是創(chuàng)建索引。一切都以索引形式存儲。RDBMS概念中索引相當(dāng)于一個數(shù)據(jù)庫，因此不要將它與你在RDBMS中學(xué)習(xí)的典型索引概念混淆。使用PostMan來運行REST API。

如果它成功運行，你會看到如下所示的回應(yīng)：

所以我們使用company為名創(chuàng)建了一個數(shù)據(jù)庫。換句話說，我們創(chuàng)建了一個名為“company”的索引。你將看到如下所示的內(nèi)容：

暫時不用管mappings是什么，我們會在后面討論它。它實際上做的只是創(chuàng)建一個你自己的Schema文檔。creation_date是不言自明的。number_of_shards表示將保留此索引數(shù)據(jù)的分區(qū)數(shù)量。將整個數(shù)據(jù)保存在單個磁盤上毫無意義。如果你運行的是多個Elastic節(jié)點的集群，那么整個數(shù)據(jù)都會被分割。簡而言之，如果有5個分片，則整個數(shù)據(jù)可以在5個分片中使用，并且ElasticSearch集群可以服務(wù)來自其任何節(jié)點的請求。

副本討論的是你的數(shù)據(jù)的鏡像。如果你熟悉主從概念，那么這對你來說不應(yīng)該是新事物。你可以了解更多關(guān)于基本ES概念。

創(chuàng)建索引的cURL版本是單線程的。

你也可以一次執(zhí)行索引創(chuàng)建和記錄插入任務(wù)。你所要做的就是以JSON格式傳遞你的記錄。你可以在PostMan中使用下面的東西：

請確保你將Content-Type設(shè)置為application/json.

一個名為company的索引會被創(chuàng)建如果它原本不存在的話，然后在這里創(chuàng)建一個名為employees的新類型。Type實際上是RDBMS中的表的ES版本。

上述請求將輸出以下JSON結(jié)構(gòu)：

你傳遞/1作為你的記錄的ID，但這是不必要的。它所做的只是將_id字段設(shè)置為值1，然后數(shù)據(jù)以JSON格式傳遞，最終作為新記錄或文檔插入。

你可以看到元和實際記錄。

cURL版本將是：

如果你想更新該記錄怎么辦？這很簡單。你所要做的就是改變你的JSON記錄。如下所示：

它會生成以下輸出：

注意現(xiàn)在_result字段設(shè)置為updated而不是created。

當(dāng)然，你也可以刪除某些記錄。

如果你瘋了，或者你的女朋友甩了你，你可以通過從命令行運行curl -XDELETE localhost:9200/_all來毀掉整個世界。

讓我們做一些基本的搜索。 它將搜索employees類型下的所有字段并返回相關(guān)記錄。

max_score字段表示記錄的相關(guān)性，即記錄的最高分?jǐn)?shù)。如果有多個記錄，那么它會是一個不同的數(shù)字。

你還可以通過傳遞字段名稱將搜索條件限制到某個字段。

我剛剛介紹了基本的例子。ES可以做很多事情，但是希望你自己通過閱讀文檔來進一步探索它，而我將繼續(xù)介紹在Python中使用ES。

在Python中使用ElasticSearch

說實話，ES的REST API已經(jīng)足夠好了，可以讓你使用requests庫執(zhí)行所有任務(wù)。不過，你可以使用ElasticSearch的Python庫專注于主要任務(wù)，而不必?fù)?dān)心如何創(chuàng)建請求。

通過pip安裝它，然后你可以在你的Python程序中訪問它。

為確保它的安裝正確，請從命令行運行以下基本片段：

網(wǎng)頁搜索和Elasticsearch

我們來討論一下使用Elasticsearch的一些實際用例。我們的目標(biāo)是訪問在線食譜并將它們存儲在Elasticsearch中以用于搜索和分析。我們將首先從Allrecipes中獲取數(shù)據(jù)并將其存儲在ES中。我們還將創(chuàng)建一個嚴(yán)格的模式或映射，以便我們確保數(shù)據(jù)以正確的格式和類型進行索引。最后只要列出沙拉食譜的清單。我們開始吧！

獲取數(shù)據(jù)

所以這是獲取數(shù)據(jù)的基本程序。因為我們需要JSON格式的數(shù)據(jù)，所以我對其進行了相應(yīng)的轉(zhuǎn)換。

創(chuàng)建索引

我們得到了所需的數(shù)據(jù)，接下來我們必須存儲它。我們要做的第一件事就是創(chuàng)建一個索引。讓我們將其命名為recipes。 該類型將被稱為salads。我要做的另一件事是創(chuàng)建我們的文檔結(jié)構(gòu)的映射。

在我們創(chuàng)建索引之前，我們必須連接ElasticSearch服務(wù)器。

這里有很多要說的事。首先，我們傳遞了一個包含整個文檔結(jié)構(gòu)映射的配置變量。映射是模式這一術(shù)語在Elastic的版本。就像我們在表格中設(shè)置特定的字段數(shù)據(jù)類型一樣，我們在這里做類似的事情。檢查文檔，它涵蓋的不僅僅是這些。所有字段都是文本類型，但是calories類型為Integer。

接下來，我確保索引不存在，然后創(chuàng)建它。參數(shù)ignore = 400在檢查后不再需要，但存在性證明是必要的，因為這可以防止錯誤地覆蓋現(xiàn)有索引。雖然這很危險。這就像覆蓋數(shù)據(jù)庫。

如果索引成功創(chuàng)建，你可以驗證它，它會輸出如下所示的內(nèi)容：

通過傳遞dynamic:strict我們使Elasticsearch嚴(yán)格檢查任何傳入的文檔。在這里，salads實際上是文檔類型。Type實際上是Elasticsearch對RDBMS表的回答。

記錄索引

下一步是存儲實際的數(shù)據(jù)或文檔。

運行它，你會看到：

你能猜到為什么會這樣嗎？由于我們沒有在我們的映射中設(shè)置ingredients，因此ES不允許我們存儲包含ingredients字段的文檔?，F(xiàn)在你知道事先分配映射的優(yōu)勢了。你可以通過這樣做避免破壞數(shù)據(jù)?，F(xiàn)在，讓我們稍微修改一下映射，現(xiàn)在看起來如下所示：

我們添加nested類型的ingrdients，然后分配內(nèi)部字段的數(shù)據(jù)類型，即在我們的案例中的text。

nested數(shù)據(jù)類型允許設(shè)置嵌套的JSON對象的類型。再次運行它，你將看到以下輸出：

由于你根本沒有傳遞_id，因此ES本身為存儲的文檔分配了一個動態(tài)ID。 我使用Chrome，借助名為ElasticSearch Toolbox的工具使用ES數(shù)據(jù)查看器來查看數(shù)據(jù)。

在我們繼續(xù)之前，讓我們在calories字段中發(fā)送一個字符串，看看它是如何發(fā)生的。請記住，我們已將其設(shè)置為整數(shù)。 在編制索引時出現(xiàn)以下錯誤：

所以現(xiàn)在你知道為文檔分配一個映射的好處了。如果你不這樣做，它仍然會工作，因為Elasticsearch將在運行時分配它自己的映射。

查詢記錄

現(xiàn)在，記錄被編入索引，是時候根據(jù)我們的需要查詢它們了。我將創(chuàng)建一個名為search()的函數(shù)，它將顯示我們的查詢結(jié)果。

這是非常基本的。 你在其中傳遞索引和搜索條件。讓我們嘗試一些查詢。

如果你想獲得卡路里超過20的記錄怎么辦？

你也可以指定想要返回的列或字段。上述查詢將返回卡路里大于20的所有記錄。此外，它將僅在_source下顯示title字段。

結(jié)論

Elasticsearch是一個功能強大的工具，它可以提供強大的功能幫助你來返回最準(zhǔn)確的結(jié)果集，從而使你現(xiàn)有的或新的應(yīng)用程序可搜索。我剛剛講述了它的要點，你可以繼續(xù)閱讀文檔并熟悉這個強大的工具。尤其是模糊搜索功能非常棒。如果我有機會，我會在即將發(fā)布的帖子中介紹Query DSL。