第14篇-Python中的Elasticsearch入门
我的Elasticsearch系列文章，逐渐更新中，欢迎关注
0A.关于Elasticsearch及实例应用
00.Solr与ElasticSearch对比
01.ElasticSearch能做什么？
02.Elastic Stack功能介绍
03.如何安装与设置Elasticsearch API
04.如果通过elasticsearch的head插件建立索引_CRUD操作
05.Elasticsearch多个实例和head plugin使用介绍
06.当Elasticsearch进行文档索引时，它是怎样工作的？
10.Kibana科普-作为Elasticsearhc开发工具
11.Elasticsearch查询方法
13.Elasticsearch查询-术语级查询
14.Python中的Elasticsearch入门
另外Elasticsearch入门，我强烈推荐ElasticSearch搭建手册给你，非常想尽的入门指南手册。
在本文中，我将讨论Elasticsearch以及如何将其与不同的Python应用程序集成。
什么是ElasticSearch？
ElasticSearch（ES）是基于Apache Lucene构建的分布式且高度可用的开源搜索引擎。这是一个用Java构建的开源，因此可用于许多平台。您以JSON格式存储非结构化数据，这也使其成为NoSQL数据库。因此，与其他NoSQL数据库不同，ES还提供搜索引擎功能和其他相关功能。
ElasticSearch用例
您可以将ES用于多种用途，下面提供了其中的几个：
您正在运行的网站提供许多动态内容。无论是电子商务网站还是博客。通过实施ES，您不仅可以为您的Web应用程序提供强大的搜索引擎，还可以在应用程序中提供本机自动完成功能。
您可以摄取不同种类的日志数据，然后可以用来查找趋势和统计数据。
设置和运行
安装ElasticSearch的最简单方法是下载并运行可执行文件。您必须确保使用的是Java 7或更高版本。
下载后，解压缩并运行其二进制文件。
elasticsearch-6.2.4 bin / elasticsearch
滚动窗口中将有很多文本。如果您看到类似下面的内容，则表明情况已解决。
[2018-05-27T17：36：11,744] [INFO] [oehnNetty4HttpServerTransport] [c6hEGv4] publish_address {127.0.0.1:9200}、bound_addresses {[:: 1]：9200}，{127.0.0.1:9200}
但是，既然眼见为实，http://localhost:9200那就在浏览器中或通过cURL 访问URL ，下面的内容应该会很欢迎您。
{
“ name”：“ c6hEGv4”，
“ cluster_name ”：“ elasticsearch”，“ cluster_uuid”：“
HkRyTYXvSkGvvvHX2Q1-oQ”，
“ version”：{
“ number”：“ 6.2.4”，
“ build_hash”：“ ccec39f”，
“ build_date”：“ 2018-04-12T20：37：28.497551Z”，
“ build_snapshot”：false，
“ lucene_version”：“ 7.2.1”，
“ minimum_wire_compatibility_version”：“ 5.6.0”，
“ minimum_index_compatibility_version”：“ 5.0。 0“
}，
”标语“：”您知道，要搜索“
}
现在，在我继续使用Python访问Elastic Search之前，让我们做一些基本的事情。正如我提到的，ES提供了REST API，我们将使用它来执行不同的任务。
基本范例
您要做的第一件事就是创建一个 指数。一切都存储在索引中。RDBMS相当于指数 是一个 数据库 因此，请勿将其与您在RDBMS中学习的典型索引概念混淆。我正在使用PostMan运行REST API。
如果运行成功，您将在下面看到类似的响应。
{
“ acknowledged”：true，
“ shards_acknowledged”：true，
“ index”：“ company”
}
因此，我们创建了一个名为company的数据库。换句话说，我们创建了一个名为company的索引。如果您通过浏览器进行访问，则会看到类似以下内容：
http://localhost:9200/company
{
“ company”：{
“ aliases”：{
}，
“ mappings”：{
}，
“ settings”：{
“ index”：{
“ creation_date”：“ 1527638692850”，
“ number_of_shards”：“ 5”，
“ number_of_replicas”： “ 1”，
“ uuid”：“ RnT-gXISSxKchyowgjZOkQ”，
“ version”：{
“ created”：“ 6020499”
}，
“ provided_name”：“ company”
}
}
}
}
稍等片刻mappings，我们稍后再讨论。实际上只不过是创建文档的架构而已。creation_date是不言自明的。的number_of_shards讲述，将让这个数据分区的数量指标。将全部数据保存在单个磁盘上根本没有任何意义。如果您正在运行包含多个Elastic节点的集群，则整个数据将在它们之间拆分。简而言之，如果有5个分片，则整个数据可在5个分片上使用，并且ElasticSearch集群可以处理来自其任何节点的请求。
副本谈论数据的镜像。如果您熟悉主从概念，那么这对您来说应该不是新知识。您可以在此处了解有关基本ES概念的更多信息。
创建索引的cURL版本是单行的。
?elasticsearch-6.2.4 curl -X PUT本地主机：9200 / company
{“ acknowledged”：true，“ shards_acknowledged”：true，“ index”：“ company”}％
您还可以一次执行索引创建和记录插入任务。您要做的就是以JSON格式传递记录。在PostMan中，您可以像下面这样。
确保设置Content-Type为application/json
company如果它不存在，它将在此处创建一个名为的索引，然后在此处创建一个名为employee的新类型。类型实际上是RDBMS 中表的ES版本。
上面的请求将输出以下JSON结构。
{
“ _index”：“公司”，
“ _ type ”：“员工”，
“
_ id”：“ 1”，“ _ version”：1，
“结果”：“已创建”，
“ _ shards”：{
“总计”：2，
“成功”：1，
“失败”：0
}，
“ _ seq_no”：0，
“ _ primary_term”：1
}
您通过/1作为记录的ID。虽然没有必要。要做的就是_id用value 设置field 1。然后，您以JSON格式传递数据，该数据最终将作为新记录或文档插入。如果您http://localhost:9200/company/employees/1从浏览器访问，您将看到以下内容。
{“ _index”：“公司”，“ _ type”：“员工”，“ _ id”：“ 1”，“ _ version”：1，“ found”：true，“ _ source”：{
“ name”：“ Adnan Siddiqi” ，
“职业”：“顾问”
}
您可以看到实际记录以及元数据。如果您愿意，可以将请求更改为http://localhost:9200/company/employees/1/_source，它将仅输出记录的JSON结构。
cURL版本为：
{
"name" : "c6hEGv4",
"cluster_name" : "elasticsearch",
"cluster_uuid" : "HkRyTYXvSkGvkvHX2Q1-oQ",
"version" : {
"number" : "6.2.4",
"build_hash" : "ccec39f",
"build_date" : "2018-04-12T20:37:28.497551Z",
"build_snapshot" : false,
"lucene_version" : "7.2.1",
"minimum_wire_compatibility_version" : "5.6.0",
"minimum_index_compatibility_version" : "5.0.0"
},
"tagline" : "You Know, for Search"
}
如果您想更新该记录怎么办？好吧，这很简单。您要做的就是更改JSON记录。如下所示：
它将生成以下输出：
{
"company": {
"aliases": {
},
"mappings": {
},
"settings": {
"index": {
"creation_date": "1527638692850",
"number_of_shards": "5",
"number_of_replicas": "1",
"uuid": "RnT-gXISSxKchyowgjZOkQ",
"version": {
"created": "6020499"
},
"provided_name": "company"
}
}
}
}
请注意，该_result字段现在设置为updated而不是created
当然，您也可以删除某些记录。
而且，如果您快要疯了或者您的女朋友已经抛弃了您，则可以通过curl -XDELETE localhost:9200/_all从命令行运行来烧毁整个世界。
让我们做一些基本的搜索。如果运行http://localhost:9200/company/employees/_search?q=adnan，它将搜索类型下的所有字段employees并返回相关记录。
{
"_index": "company",
"_type": "employees",
"_id": "1",
"_version": 1,
"result": "created",
"_shards": {
"total": 2,
"successful": 1,
"failed": 0
},
"_seq_no": 0,
"_primary_term": 1
}
该max_score字段指示记录的相关性，即记录的最高分数。如果有多个记录，那么它将是另一个数字。
您还可以通过传递字段名称来将搜索条件限制为某个字段。因此，http://localhost:9200/company/employees/_search?q=name:Adnan将仅在name文档的字段中搜索。它实际上等效于SQLSELECT * from table where name=‘Adnan‘
我只介绍了基本示例。ES可以做很多事情，但是我将通过阅读文档让您进一步探索它，然后切换到使用Python访问ES。
在Python中访问ElasticSearch
老实说，ES的REST API足够好，您可以使用requests库来执行所有任务。不过，您可以将Python库用于ElasticSearch，以专注于主要任务，而不必担心如何创建请求。
通过pip安装它，然后可以在Python程序中访问它。
pip install elasticsearch
为确保已正确安装，请从命令行运行以下基本代码段：
?elasticsearch-6.2.4 python
Python 3.6.4 | Anaconda自定义（64位）| （默认值，2018年1月16日，12：04：33）
在darwin上使用[GCC 4.2.1兼容的Clang 4.0.1（标签/ RELEASE_401 / final）]输入以下内容的
“帮助”，“版权”，“信用”或“许可证”更多信息。
? elasticsearch-6.2.4 python
Python 3.6.4 |Anaconda custom (64-bit)| (default, Jan 16 2018, 12:04:33)
[GCC 4.2.1 Compatible Clang 4.0.1 (tags/RELEASE_401/final)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> from elasticsearch import Elasticsearch
>>> es = Elasticsearch([{‘host‘: ‘localhost‘, ‘port‘: 9200}])
>>> es
<Elasticsearch([{‘host‘: ‘localhost‘, ‘port‘: 9200}])>
网页搜索和Elasticsearch
让我们讨论一下使用Elasticsearch的一些实际用例。目的是访问在线食谱并将其存储在Elasticsearch中以用于搜索和分析目的。我们将首先从Allrecipes抓取数据并将其存储在ES中。如果是ES，我们还将创建一个严格的Schema或映射，以便确保以正确的格式和类型对数据进行索引。我只是拉沙拉食谱的清单而已。让我们开始！
抓取数据
结论
Elasticsearch是一个功能强大的工具，通过提供强大的功能以返回最准确的结果集，可以帮助您搜索现有或新应用。我刚刚介绍了要点。阅读文档并熟悉这个强大的工具。特别是模糊搜索功能非常出色。如果有机会，我将在以后的文章中介绍Query DSL。
相关推荐
另外一部分，则需要先做聚类、分类处理，将聚合出的分类结果存入ES集群的聚类索引中。数据处理层的聚合结果存入ES中的指定索引，同时将每个聚合主题相关的数据存入每个document下面的某个field下。