在Python中使用Elasticsearch

在这篇文章中，我将讨论Elasticsearch以及如何将其整合到不同的Python应用程序中。

什么是ElasticSearch？

ElasticSearch（ES）是一个建立在Apache Lucene之上的高度可用的分布式开源搜索引擎。它基于Java构建的，因此可用于许多平台。数据以JSON格式非结构化存储，这也使其成为一种NoSQL数据库。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

ES可用于多种目的，下面给出了其中的几个：

• 你运营着提供大量动态内容的网站，比如电子商务网站或者博客。通过实施ES，你不仅可以为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原生自动补全功能。
• 你可以获取不同类型的日志数据，然后可以使用它来查找趋势和统计信息。

设置和运行

安装ElasticSearch最简单的方法就是下载并运行可执行文件。必须确保使用的是Java 7或更高版本。

下载后解压缩并运行它的二进制文件。

滚动窗口中会出现很多文字。如果你看到像下面这样的，那么它应该是完成了。

但是，由于眼见为实，可以在浏览器中访问URLhttp://localhost:9200或者通过cURL 查看类似于这样的欢迎界面以便你知道确实成功安装了：

在我开始访问Python中的Elastic Search之前，我们来做一些基本的东西。 正如我提到ES提供了一个REST API接口，我们将使用它来执行不同的任务。

基本示例

你要做的第一件事就是创建索引。一切都以索引形式存储。RDBMS概念中索引相当于一个数据库，因此不要将它与你在RDBMS中学习的典型索引概念混淆。使用PostMan来运行REST API。

如果它成功运行，你会看到如下所示的回应：

所以我们使用company为名创建了一个数据库。换句话说，我们创建了一个名为“company”的索引。如果你从浏览器访问http://localhost:9200/company，那么你将看到如下所示的内容：

暂时不用管mappings是什么，我们会在后面讨论它。它实际上做的只是创建一个你自己的Schema文档。creation_date是不言自明的。number_of_shards表示将保留此索引数据的分区数量。将整个数据保存在单个磁盘上毫无意义。如果你运行的是多个Elastic节点的集群，那么整个数据都会被分割。简而言之，如果有5个分片，则整个数据可以在5个分片中使用，并且ElasticSearch集群可以服务来自其任何节点的请求。

副本讨论的是你的数据的镜像。如果你熟悉主从概念，那么这对你来说不应该是新事物。你可以了解更多关于基本ES概念。

创建索引的cURL版本是单线程的

你也可以一次执行索引创建和记录插入任务。你所要做的就是以JSON格式传递你的记录。你可以在PostMan中使用下面的东西：

请确保你将Content-Type设置为application/json.

一个名为company的索引会被创建如果它原本不存在的话，然后在这里创建一个名为employees的新类型。Type实际上是RDBMS中的表的ES版本。

上述请求将输出以下JSON结构：

你传递/1作为你的记录的ID，但这是不必要的。它所做的只是将_id字段设置为值1，然后数据以JSON格式传递，最终作为新记录或文档插入。如果你从浏览器访问http://localhost:9200/company/employees/1，你会看到如下所示的内容：

你可以看到元和实际记录。 如果你想，可以将请求更改为http://localhost:9200/company/employees/1/_source，那么就会仅输出JSON结构记录。

cURL版本将是：

如果你想更新该记录怎么办？这很简单。你所要做的就是改变你的JSON记录。如下所示：

它会生成以下输出：

注意现在_result字段设置为updated而不是created。

当然，你也可以删除某些记录。

如果你疯了，或者你的女朋友甩了你，你可以通过从命令行运行curl -XDELETE localhost:9200/_all来毁掉整个世界。

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employees类型下的所有字段并返回相关记录。

max_score字段表示记录的相关性，即记录的最高分数。如果有多个记录，那么它会是一个不同的数字。

你还可以通过传递字段名称将搜索条件限制到某个字段。因此，http://localhost:9200/company/employees/_search?q=name:Adnan将仅在文档的名称字段中进行搜索。它实际上等同于SQL中的SELECT * from table where name="Adnan"。

我刚刚介绍了基本的例子。ES可以做很多事情，但是希望你自己通过阅读文档来进一步探索它，而我将继续介绍在Python中使用ES。

在Python中使用ElasticSearch

说实话，ES的REST API已经足够好了，可以让你使用requests库执行所有任务。不过，你可以使用ElasticSearch的Python库专注于主要任务，而不必担心如何创建请求。

通过pip安装它，然后你可以在你的Python程序中访问它。

为确保它的安装正确，请从命令行运行以下基本片段：

网页搜索和Elasticsearch

我们来讨论一下使用Elasticsearch的一些实际用例。我们的目标是访问在线食谱并将它们存储在Elasticsearch中以用于搜索和分析。我们将首先从Allrecipes中获取数据并将其存储在ES中。我们还将创建一个严格的模式或映射，以便我们确保数据以正确的格式和类型进行索引。最后只要列出沙拉食谱的清单。我们开始吧！

获取数据

所以这是获取数据的基本程序。因为我们需要JSON格式的数据，所以我对其进行了相应的转换。

创建索引

我们得到了所需的数据，接下来我们必须存储它。我们要做的第一件事就是创建一个索引。让我们将其命名为recipes。 该类型将被称为salads。我要做的另一件事是创建我们的文档结构的映射。

在我们创建索引之前，我们必须连接ElasticSearch服务器。

_es.ping()会ping服务器，并在连接后返回True。我花了一段时间才弄清楚如何捕获堆栈跟踪，发现它只是被记录下来！

这里有很多要说的事。首先，我们传递了一个包含整个文档结构映射的配置变量。映射是模式这一术语在Elastic的版本。就像我们在表格中设置特定的字段数据类型一样，我们在这里做类似的事情。检查文档，它涵盖的不仅仅是这些。所有字段都是文本类型，但是calories类型为Integer。

接下来，我确保索引不存在，然后创建它。参数ignore = 400在检查后不再需要，但存在性证明是必要的，因为这可以防止错误地覆盖现有索引。虽然这很危险。这就像覆盖数据库。

如果索引成功创建，你可以通过访问http://localhost:9200/recipes/_mappings来验证它，它会输出如下所示的内容：

通过传递dynamic:strict我们使Elasticsearch严格检查任何传入的文档。在这里，salads实际上是文档类型。Type实际上是Elasticsearch对RDBMS表的回答。

记录索引

下一步是存储实际的数据或文档。

运行它，你会看到：

你能猜到为什么会这样吗？由于我们没有在我们的映射中设置ingredients，因此ES不允许我们存储包含ingredients字段的文档。现在你知道事先分配映射的优势了。你可以通过这样做避免破坏数据。现在，让我们稍微修改一下映射，现在看起来如下所示：

我们添加nested类型的ingrdients，然后分配内部字段的数据类型，即在我们的案例中的text。

nested数据类型允许设置嵌套的JSON对象的类型。再次运行它，你将看到以下输出：

由于你根本没有传递_id，因此ES本身为存储的文档分配了一个动态ID。 我使用Chrome，借助名为ElasticSearch Toolbox的工具使用ES数据查看器来查看数据。

在我们继续之前，让我们在calories字段中发送一个字符串，看看它是如何发生的。请记住，我们已将其设置为整数。 在编制索引时出现以下错误：

所以现在你知道为文档分配一个映射的好处了。如果你不这样做，它仍然会工作，因为Elasticsearch将在运行时分配它自己的映射。

查询记录

现在，记录被编入索引，是时候根据我们的需要查询它们了。我将创建一个名为search()的函数，它将显示我们的查询结果。

这是非常基本的。 你在其中传递索引和搜索条件。让我们尝试一些查询。

上述查询将返回卡路里等于102的所有记录。在我们的情况下，输出将是：

如果你想获得卡路里超过20的记录怎么办？

你也可以指定想要返回的列或字段。上述查询将返回卡路里大于20的所有记录。此外，它将仅在_source下显示title字段。

结论

Elasticsearch是一个功能强大的工具，它可以提供强大的功能帮助你来返回最准确的结果集，从而使你现有的或新的应用程序可搜索。我刚刚讲述了它的要点，你可以继续阅读文档并熟悉这个强大的工具。尤其是模糊搜索功能非常棒。如果我有机会，我会在即将发布的帖子中介绍Query DSL。