基于Python操作ElasticSearch

环境依赖：

　　Python：2.7

　　ES依赖包：pyelasticsearch

　　ElasticSearch：5.5.1 / 6.0.1

　　操作系统：Windows 10 / CentOS 7

　本文主要就ES基本的CRUD操作做以归纳整理，ES官方对Python的依赖支持有很多，eg：pyelasticsearch、ESClient、elasticutils、pyes、rawes、Surfiki Refine等。博主在工作中只涉及到了pyelasticsearch，所以本文主要就该依赖做说明，其他的依赖包可详见官网。

　pyelasticsearch依赖包的安装命令：pip install elasticsearch

　pyelasticsearch依赖所提供的接口不是很多，下面主要从单一操作和批量操作两大类做以讨论和分析。

单一操作

插入

　　create：必须指定待查询的idnex、type、id和查询体body；缺一不可，否则报错

　　index：相比于create，index的用法就相对灵活很多；id并非是一个必选项，如果指定，则该文档的id就是指定值，若不指定，则系统会自动生成一个全局唯一的id赋给该文档。

eg：

body = {"name": 'lucy', 'sex': 'female', 'age': 10}
es = Elasticsearch(['localhost:9200'])
es.index(index='indexName', doc_type='typeName', body, id=None)

删除

　　delete：删除指定index、type、id的文档

es.delete(index='indexName', doc_type='typeName', id='idValue')

查找

　　get：获取指定index、type、id所对应的文档

es.get(index='indexName', doc_type='typeName', id='idValue')

更新

　　update：跟新指定index、type、id所对应的文档

　　

es.update(index='indexName', doc_type='typeName', id='idValue', body={待更新字段})

批量操作

条件查询

　　search：查询满足条件的所有文档，没有id属性，且index，type和body均可为None。

　　body的语法格式必须符合DSL（Domain Specific Language ）格式

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

query = {'query': {'term': {'name': 'jack'}}}# 查找名字叫做jack的所有文档

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

allDoc = es.search(index='indexName', doc_type='typeName', body=query)

print allDoc['hits']['hits'][0]# 返回第一个文档的内容

条件删除

　　delete_by_query：删除满足条件的所有数据，查询条件必须符合DLS格式

query = {'query': {'match': {'sex': 'famale'}}}# 删除性别为女性的所有文档

query = {'query': {'range': {'age': {'lt': 11}}}}# 删除年龄小于11的所有文档

es.delete_by_query(index='indexName', body=query, doc_type='typeName')

条件更新

　　update_by_query：更新满足条件的所有数据，写法同上删除和查询

批量插入、删除、更新

　　bulk：在这重点和大家聊聊bulk方法，前面的所有方法都很简单，唯独这个bulk在笔者开始接触的时候，花费了不少时间；这个方法可以同时执行多个操作，单只请求一次，从而在批量操作的时候，可以很大程度上减少程序系统开销。此外，bulk不仅可以一次性批量执行插入、或者删除操作，还可以在一次请求中，既可以插入、又可以删除和更新操作。

　　但是需要注意的是，任何一种操作都有固定的文档格式，只有完全符合该格式要求，才可执行成功。废话不多说，直接上代码：

doc = [
{"index": {}},
{'name': 'jackaaa', 'age': 2000, 'sex': 'female', 'address': u'北京'},
{"index": {}},
{'name': 'jackbbb', 'age': 3000, 'sex': 'male', 'address': u'上海'},
{"index": {}},
{'name': 'jackccc', 'age': 4000, 'sex': 'female', 'address': u'广州'},
{"index": {}},
{'name': 'jackddd', 'age': 1000, 'sex': 'male', 'address': u'深圳'},
]
doc = [
{'index': {'_index': 'indexName', '_type': 'typeName', '_id': 'idValue'}}
{'name': 'jack', 'sex': 'male', 'age': 10 }
{'delete': {'_index': 'indexName', '_type': 'typeName', '_id': 'idValue'}}
{"create": {'_index' : 'indexName', "_type" : 'typeName', '_id': 'idValue'}}
{'name': 'lucy', 'sex': 'female', 'age': 20 }
{'update': {'_index': 'indexName', '_type': 'typeName', '_id': 'idValue'}}
{'doc': {'age': '100'}}
]
es.bulk(index='indexName'，  doc_type='typeName', body=doc)

　　通过上面两个例子可以看出，在用bulk在批量操作的时候，对于不同的操作类型，一定要与之对应一个操作头信息（eg：{“index”: {}}， {‘delete’: {…}}， …），否则会报TransportError（400, u’illegal_argument_exception’）的错误。

　　说到这里，在实际过程中，很多时候就会在此处要专门去批凑这样的一个字典数组。假设有如下场景：

　　如果要批量插入一批数据，如上述第一个例子，则在现有数据集的基础上，很容易想到一个解决方法：通过list的奇偶合并的方法快速实现所需要的字典数组。在这推荐一种Python的技巧：[::2]和[1::2]来实现奇偶合并。具体可详见我的博客：Python编程技巧。

本文的完整例子可详见我的GitHub