Elasticsearch 基本概念
Index:Elasticsearch⽤来存储数据的逻辑区域,它类似于关系型数据库中的database 概念。⼀个index可以在⼀个或者多个shard上⾯,同时⼀个shard也可能会有多个replicas。
Document:Elasticsearch⾥⾯存储的实体数据,类似于关系数据中⼀个table⾥⾯的⼀⾏数据。
document由多个field组成,不同的document⾥⾯同名的field⼀定具有相同的类型。document⾥⾯field可以重复出现,也就是⼀个field会有多个值,即multivalued。
Document type:为了查询需要,⼀个index可能会有多种document,也就是document type. 它类似于关系型数据库中的 table 概念。但需要注意,不同document⾥⾯同名的field⼀定要是相同类型的。
Mapping:它类似于关系型数据库中的 schema 定义概念。存储field的相关映射信息,不同document type会有不同的mapping。下图是ElasticSearch和关系型数据库的⼀些术语⽐较:Relationnal databaseDatabaseTableRowColumnSchemaSchemaIndexSQL
UPDATE table SET
ElasticsearchIndexTypeDocumentFieldMappingMapping
Everything is indexedQuery DSLPUT http://…
SELECT * FROM table…GET http://…
Python Elasticsearch DSL 使⽤简介
连接 Es:
import elasticsearch
es = elasticsearch.Elasticsearch([{'host': '127.0.0.1', 'port': 9200}])
先看⼀下搜索,q 是指搜索内容,空格对 q 查询结果没有影响,size 指定个数,from_ 指定起始位置,filter_path 可以指定需要显⽰的数据,如本例中显⽰在最后的结果中的只有 _id 和 _type。
res_3 = es.search(index=\"bank\", q=\"Holmes\", size=1, from_=1)
res_4 = es.search(index=\"bank\", q=\" 39225 5686 \", size=1000, filter_path=['hits.hits._id', 'hits.hits._type'])
查询指定索引的所有数据:
其中,index 指定索引,字符串表⽰⼀个索引;列表表⽰多个索引,如 index=[\"bank\;正则形式表⽰符合条件的多个索引,如 index=[\"apple*\"],表⽰以 apple 开头的全部索引。
search 中同样可以指定具体 doc-type。from elasticsearch_dsl import Search
s = Search(using=es, index=\"index-test\").execute()print s.to_dict()
根据某个字段查询,可以多个查询条件叠加:
s = Search(using=es, index=\"index-test\").query(\"match\", sip=\"192.168.1.1\")s = s.query(\"match\", dip=\"192.168.1.2\")s = s.excute()
多字段查询:
from elasticsearch_dsl.query import MultiMatch, Matchmulti_match = MultiMatch(query='hello', fields=['title', 'content'])s = Search(using=es, index=\"index-test\").query(multi_match)
s = s.execute()print s.to_dict()
还可以⽤ Q() 对象进⾏多字段查询,fields 是⼀个列表,query 为所要查询的值。
from elasticsearch_dsl import Q
q = Q(\"multi_match\", query=\"hello\", fields=['title', 'content'])s = s.query(q).execute()print s.to_dict()
Q() 第⼀个参数是查询⽅法,还可以是 bool。
q = Q('bool', must=[Q('match', title='hello'), Q('match', content='world')])s = s.query(q).execute()print s.to_dict()
通过 Q() 进⾏组合查询,相当于上⾯查询的另⼀种写法。
q = Q(\"match\", title='python') | Q(\"match\", title='django')s = s.query(q).execute()print(s.to_dict())
# {\"bool\": {\"should\": [...]}}
q = Q(\"match\", title='python') & Q(\"match\", title='django')s = s.query(q).execute()print(s.to_dict())
# {\"bool\": {\"must\": [...]}}q = ~Q(\"match\", title=\"python\")s = s.query(q).execute()print(s.to_dict())
# {\"bool\": {\"must_not\": [...]}}
过滤,在此为范围过滤,range 是⽅法,timestamp 是所要查询的 field 名字,gte 为⼤于等于,lt 为⼩于,根据需要设定即可。
关于 term 和 match 的区别,term 是精确匹配,match 会模糊化,会进⾏分词,返回匹配度分数,(term 如果查询⼩写字母的字符串,有⼤写会返回空即没有命中,match 则是不区分⼤⼩写都可以进⾏查询,返回结果也⼀样)
# 范围查询
s = s.filter(\"range\", timestamp={\"gte\": 0, \"lt\": time.time()}).query(\"match\", country=\"in\")# 普通过滤
res_3 = s.filter(\"terms\", balance_num=[\"39225\", \"5686\"]).execute()
其他写法:
s = Search()
s = s.filter('terms', tags=['search', 'python'])print(s.to_dict())
# {'query': {'bool': {'filter': [{'terms': {'tags': ['search', 'python']}}]}}}
s = s.query('bool', filter=[Q('terms', tags=['search', 'python'])])print(s.to_dict())
# {'query': {'bool': {'filter': [{'terms': {'tags': ['search', 'python']}}]}}}s = s.exclude('terms', tags=['search', 'python'])# 或者
s = s.query('bool', filter=[~Q('terms', tags=['search', 'python'])])print(s.to_dict())
# {'query': {'bool': {'filter': [{'bool': {'must_not': [{'terms': {'tags': ['search', 'python']}}]}}]}}}
聚合可以放在查询,过滤等操作的后⾯叠加,需要加 aggs。
bucket 即为分组,其中第⼀个参数是分组的名字,⾃⼰指定即可,第⼆个参数是⽅法,第三个是指定的 field。
metric 也是同样,metric 的⽅法有 sum、avg、max、min 等,但是需要指出的是,有两个⽅法可以⼀次性返回这些值,stats 和 extended_stats,后
者还可以返回⽅差等值。
# 实例1
s.aggs.bucket(\"per_country\", \"terms\", field=\"timestamp\").metric(\"sum_click\", \"stats\", field=\"click\").metric(\"sum_request\", \"stats\", field=\"request\")# 实例2
s.aggs.bucket(\"per_age\", \"terms\", field=\"click.keyword\").metric(\"sum_click\", \"stats\", field=\"click\")# 实例3
s.aggs.metric(\"sum_age\", \"extended_stats\", field=\"impression\")# 实例4
s.aggs.bucket(\"per_age\", \"terms\", field=\"country.keyword\")
# 实例5,此聚合是根据区间进⾏聚合
a = A(\"range\", field=\"account_number\", ranges=[{\"to\": 10}, {\"from\": 11, \"to\": 21}])res = s.execute()
最后依然要执⾏ execute(),此处需要注意,s.aggs 操作不能⽤变量接收(如 res=s.aggs,这个操作是错误的),聚合的结果会保存到 res 中显⽰。排序
s = Search().sort( 'category', '-title',
{\"lines\" : {\"order\" : \"asc\", \"mode\" : \"avg\"}})
分页
s = s[10:20]
# {\"from\": 10, \"size\": 10}
⼀些扩展⽅法,感兴趣的同学可以看看:
s = Search()
# 设置扩展属性使⽤`.extra()`⽅法s = s.extra(explain=True)
# 设置参数使⽤`.params()`
s = s.params(search_type=\"count\")
# 如要要限制返回字段,可以使⽤`source()`⽅法# only return the selected fieldss = s.source(['title', 'body'])
# don't return any fields, just the metadatas = s.source(False)
# explicitly include/exclude fields
s = s.source(include=[\"title\"], exclude=[\"user.*\"])# reset the field selections = s.source(None)
# 使⽤dict序列化⼀个查询
s = Search.from_dict({\"query\": {\"match\": {\"title\": \"python\"}}})
# 修改已经存在的查询
s.update_from_dict({\"query\": {\"match\": {\"title\": \"python\"}}, \"size\": 42})
参考⽂档:
因篇幅问题不能全部显示,请点此查看更多更全内容