Elasticsearch

本文集文档发布于灏天文库

4. Elasticsearch 核心操作：文档管理

文档摘要

Elasticsearch 核心操作：文档管理 Elasticsearch 核心操作：文档管理 4.1 索引文档 (Indexing Documents) 索引文档是指将文档添加到 Elasticsearch 索引中的过程。这是将数据导入 Elasticsearch 的关键步骤。 4.1.1 使用 API 索引文档 Elasticsearch 提供了 RESTful API 来索引文档。最常用的方法是使用 或 请求到指定的索引和文档 ID。 代码示例 (Python): 代码解释: : 创建一个 Elasticsearch 客户端，连接到本地的 Elasticsearch 实例。 : 定义要索引的文档，它是一个 Python 字典。

4. Elasticsearch 核心操作：文档管理

4. Elasticsearch 核心操作：文档管理

4.1 索引文档 (Indexing Documents)

索引文档是指将文档添加到 Elasticsearch 索引中的过程。这是将数据导入 Elasticsearch 的关键步骤。

4.1.1 使用 API 索引文档

Elasticsearch 提供了 RESTful API 来索引文档。最常用的方法是使用 PUT 或 POST 请求到指定的索引和文档 ID。

代码示例 (Python):

from elasticsearch import Elasticsearch
# 连接到 Elasticsearch
es = Elasticsearch([{'host': 'localhost', 'port': 9200}])
# 文档数据
doc = {
    'title': 'Elasticsearch 文档管理',
    'content': '本文介绍了 Elasticsearch 文档管理的核心操作。',
    'author': '技术专家',
    'publish_date': '2023-10-27'
}
# 索引文档
index_name = 'my_index'
document_id = '1'  # 可以自定义文档ID
try:
    response = es.index(index=index_name, id=document_id, document=doc)
    print(response)
except Exception as e:
    print(f"Error indexing document: {e}")
​

代码解释:

  • Elasticsearch([{'host': 'localhost', 'port': 9200}]): 创建一个 Elasticsearch 客户端，连接到本地的 Elasticsearch 实例。

  • doc: 定义要索引的文档，它是一个 Python 字典。

  • es.index(index=index_name, id=document_id, document=doc): 使用 index 方法将文档索引到名为 my_index 的索引中，并指定文档 ID 为 1。

  • response: 包含 Elasticsearch 返回的响应信息，例如索引操作的结果。

请求方式选择:

  • PUT: 通常用于创建已知 ID 的文档。如果指定 ID 的文档已经存在，则会覆盖该文档。

  • POST: 通常用于创建新的文档，Elasticsearch 会自动生成唯一的文档 ID。

自动生成 ID 示例 (Python):

response = es.index(index=index_name, document=doc)
print(response)
​

在此示例中，省略了 id 参数，Elasticsearch 将自动生成一个唯一的 ID。

4.1.2 批量索引文档 (Bulk Indexing)

对于需要索引大量文档的情况，批量索引可以显著提高性能。批量 API 允许您在单个请求中执行多个索引操作。

代码示例 (Python):

from elasticsearch import Elasticsearch
from elasticsearch import helpers
# 连接到 Elasticsearch
es = Elasticsearch([{'host': 'localhost', 'port': 9200}])
# 批量文档数据
docs = [
    {
        "_index": "my_index",
        "_id": "2",
        "_source": {
            'title': 'Elasticsearch 批量索引',
            'content': '使用批量 API 提高索引性能。',
            'author': '技术专家',
            'publish_date': '2023-10-27'
        }
    },
    {
        "_index": "my_index",
        "_id": "3",
        "_source": {
            'title': 'Elasticsearch 查询优化',
            'content': '优化 Elasticsearch 查询以提高效率。',
            'author': '技术专家',
            'publish_date': '2023-10-27'
        }
    }
]
# 批量索引文档
try:
    response = helpers.bulk(es, docs)
    print(response)
except Exception as e:
    print(f"Error bulk indexing documents: {e}")
​

代码解释:

  • helpers.bulk(es, docs): 使用 helpers.bulk 函数执行批量索引操作。

  • docs: 一个包含多个文档的列表，每个文档都是一个字典，包含 _index (索引名称)、_id (文档 ID) 和 _source (文档数据) 字段。

批量操作的优势:

  • 减少网络开销：将多个请求合并为一个请求。

  • 提高索引速度：Elasticsearch 可以并行处理批量操作。

4.2 获取文档 (Getting Documents)

获取文档是指从 Elasticsearch 索引中检索文档的过程。

4.2.1 使用 API 获取文档

使用 GET 请求到指定的索引和文档 ID 可以获取文档。

代码示例 (Python):

from elasticsearch import Elasticsearch
# 连接到 Elasticsearch
es = Elasticsearch([{'host': 'localhost', 'port': 9200}])
# 获取文档
index_name = 'my_index'
document_id = '1'
try:
    response = es.get(index=index_name, id=document_id)
    print(response['_source'])  # 打印文档内容
except Exception as e:
    print(f"Error getting document: {e}")
​

代码解释:

  • es.get(index=index_name, id=document_id): 使用 get 方法从名为 my_index 的索引中获取 ID 为 1 的文档。

  • response['_source']: 包含文档的实际内容。

4.2.2 检查文档是否存在 (Exists API)

可以使用 HEAD 请求到指定的索引和文档 ID 来检查文档是否存在，而无需获取文档的全部内容。

代码示例 (Python):

from elasticsearch import Elasticsearch
# 连接到 Elasticsearch
es = Elasticsearch([{'host': 'localhost', 'port': 9200}])
# 检查文档是否存在
index_name = 'my_index'
document_id = '1'
try:
    response = es.exists(index=index_name, id=document_id)
    print(response)  # 打印 True 或 False
except Exception as e:
    print(f"Error checking document existence: {e}")
​

4.3 更新文档 (Updating Documents)

更新文档是指修改 Elasticsearch 索引中已存在的文档的过程。

4.3.1 使用 API 更新文档

Elasticsearch 提供了多种更新文档的方式：

  • PUT 请求 (完全替换): 使用 PUT 请求可以完全替换现有文档。这与索引文档的方式相同，但如果文档已经存在，则会更新它。

    from elasticsearch import Elasticsearch
# 连接到 Elasticsearch
es = Elasticsearch([{'host': 'localhost', 'port': 9200}])
# 更新后的文档数据
doc = {
    'title': 'Elasticsearch 文档管理 (已更新)',
    'content': '本文介绍了 Elasticsearch 文档管理的核心操作 (已更新)。',
    'author': '技术专家',
    'publish_date': '2023-10-28'
}
# 更新文档
index_name = 'my_index'
document_id = '1'
try:
    response = es.index(index=index_name, id=document_id, document=doc)
    print(response)
except Exception as e:
    print(f"Error updating document: {e}")
​

  • POST 请求和 _update 端点 (部分更新): 使用 POST 请求和 _update 端点可以部分更新文档，而无需重新发送整个文档。这通常更有效率。

    from elasticsearch import Elasticsearch
# 连接到 Elasticsearch
es = Elasticsearch([{'host': 'localhost', 'port': 9200}])
# 更新脚本
script = {
    "script": {
        "source": "ctx._source.title = params.new_title",
        "lang": "painless",
        "params": {
            "new_title": "Elasticsearch 文档管理 (部分更新)"
        }
    }
}
# 更新文档
index_name = 'my_index'
document_id = '1'
try:
    response = es.update(index=index_name, id=document_id, body=script)
    print(response)
except Exception as e:
    print(f"Error updating document: {e}")
​

    代码解释:

    • script: 包含更新脚本，使用 Painless 脚本语言来修改文档。

    • ctx._source: 指向文档的 _source 字段，可以用来访问和修改文档内容。

    • params: 允许您将参数传递给脚本。

4.3.2 使用 _update_by_query 更新多个文档

可以使用 _update_by_query API 来更新满足特定查询条件的多个文档。

from elasticsearch import Elasticsearch
# 连接到 Elasticsearch
es = Elasticsearch([{'host': 'localhost', 'port': 9200}])
# 更新脚本
script = {
    "script": {
        "source": "ctx._source.publish_date = params.new_date",
        "lang": "painless",
        "params": {
            "new_date": "2023-10-29"
        }
    },
    "query": {
        "match": {
            "author": "技术专家"
        }
    }
}
# 更新文档
index_name = 'my_index'
try:
    response = es.update_by_query(index=index_name, body=script)
    print(response)
except Exception as e:
    print(f"Error updating documents by query: {e}")
​

代码解释:

  • query: 指定要更新的文档的查询条件。

4.4 删除文档 (Deleting Documents)

删除文档是指从 Elasticsearch 索引中移除文档的过程。

4.4.1 使用 API 删除文档

使用 DELETE 请求到指定的索引和文档 ID 可以删除文档。

代码示例 (Python):

from elasticsearch import Elasticsearch
# 连接到 Elasticsearch
es = Elasticsearch([{'host': 'localhost', 'port': 9200}])
# 删除文档
index_name = 'my_index'
document_id = '1'
try:
    response = es.delete(index=index_name, id=document_id)
    print(response)
except Exception as e:
    print(f"Error deleting document: {e}")
​

4.4.2 使用 _delete_by_query 删除多个文档

可以使用 _delete_by_query API 来删除满足特定查询条件的多个文档。

from elasticsearch import Elasticsearch
# 连接到 Elasticsearch
es = Elasticsearch([{'host': 'localhost', 'port': 9200}])
# 删除文档
index_name = 'my_index'
query = {
    "query": {
        "match": {
            "author": "技术专家"
        }
    }
}
try:
    response = es.delete_by_query(index=index_name, body=query)
    print(response)
except Exception as e:
    print(f"Error deleting documents by query: {e}")
​

4.5 文档管理操作流程图

可以使用 Mermaid 图表来可视化文档管理的操作流程。

4.6 总结

本文详细介绍了 Elasticsearch 中文档管理的核心操作，包括索引、获取、更新和删除文档。通过代码示例和详细解释，您应该能够掌握这些基本操作，并将其应用于实际项目中。 批量操作可以显著提高性能，特别是在处理大量数据时。 了解不同的更新文档的方式，并根据实际需求选择最合适的方法。

发布者: 作者: 转发
评论区 (0)
U
0/500