容器建立Elasticsearch，使用Python执行CRUD操作-51CTO.COM

我们将介绍如何使用Docker Compose设置Elasticsearch和Kibana，以及如何使用Python在Elasticsearch中进行基本的CRUD操作。

Elasticsearch是一个流行的开源搜索引擎，旨在有效处理大量的数据。它是一个非关系型数据库，使用JSON文档来存储数据。它被广泛用于日志分析、数据分析和全文搜索。Elasticsearch通常与Kibana一起使用，Kibana是一个强大的可视化工具，可以帮助用户分析和可视化存储在Elasticsearch的数据。

集群。当两台或更多的机器结合在一起，产生一个输出时，就形成了一个集群。在Elasticsearch中，当多个节点结合在一起存储和管理数据时，就形成了一个集群。

节点。节点是Elasticsearch集群中的一台机器，用于存储数据并参与集群的搜索和索引功能。

索引。索引是具有某种类似特征的文档的集合。在Elasticsearch中，索引类似于传统关系型数据库中的表，数据存储在那里。

文档。文档是Elasticsearch中最基本的数据单位。在传统数据库中，一行相当于Elasticsearch中的一个文档。

字段。字段类似于传统数据库中的列。索引中的每个文档都有自己的字段集，定义文档的属性。

映射。在Elasticsearch中，映射是一种模式，定义了索引的字段和数据类型。

分片：Elasticsearch将一个索引分解成更小的片断，称为分片。每个分片都存储在集群中的一个单独的节点上，这有助于分布数据并提高搜索性能。

主分片：当Elasticsearch为了安全而存储多个数据副本时，只有一个副本被指定为主分片，而其他的被称为副本分片。

要用Docker Compose设置Elasticsearch和Kibana，请遵循以下步骤。

在你的机器上安装Docker。
为你的项目创建一个新目录，并在其中创建一个名为 "docker-compose.yml "的文件。
在 "docker-compose.yml "文件中添加以下内容。

version: '3'
services:
  elasticsearch:
    image: docker.elastic.co/elasticsearch/elasticsearch:7.17.0
    container_name: elasticsearch
        environment:
      - discovery.type=single-node
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
    ports:
      - "9200:9200"
    volumes:
      - esdata:/usr/share/elasticsearch/data
  kibana:
    image: docker.elastic.co/kibana/kibana:7.17.0
    container_name: kibana
        ports:
      - "5601:5601"
    environment:
      ELASTICSEARCH_URL: http://elasticsearch:9200
    depends_on:
      - elasticsearch
volumes:
  esdata:

4. 保存文件并在终端运行以下命令以启动服务。

docker-compose up

5. 服务启动后，你可以在http://localhost:9200，在http://localhost:5601，访问Elasticsearch和Kibana。

在用Docker Compose设置了Elasticsearch和Kibana之后，我们可以用Python在Elasticsearch中执行基本的CRUD操作。在本节中，我们将介绍如何创建索引、添加文档、搜索文档、更新文档和删除文档。

首先，我们需要通过运行以下命令在Python中安装Elasticsearch库。

pip install elasticsearch

一旦库安装完毕，我们就可以开始执行CRUD操作。下面是如何做到这一点。

创建一个Elasticsearch客户端对象。

from elasticsearch import Elasticsearch

es = Elasticsearch([{'host': 'localhost', 'port': 9200}])

2. 创建一个索引。

index_name = 'my_elasticsearch_index'

es.indices.create(index=index_name)

3. 将文件添加到索引中。

index_name = 'my_elasticsearch_index'
document1 = {
      'name': 'Dhruval',
      'age': 30,
      'city': 'Vadodara'
}

document2 = {
      'name': 'Mary',
      'age': 25,
      'city': 'Los Angeles'
}

es.index(index=index_name, body=document1)
es.index(index=index_name, body=document2)

4. 更新文件。

index_name = 'my_elasticsearch_index'
doc_id = '1'

# Define the update query
update_query = {
      "doc": {
                "title": "New title",
                "content": "Updated content"
      }
}

# Update the document
es.update(index=index_name, doc_type=doc_type, id=doc_id, body=update_query)

5. 搜索文件。

index_name = 'my_elasticsearch_index'
search_term = 'Dhruval'

query = {
      'query': {
                'match': {
                              'name': search_term
                }
      }
}

results = es.search(index=index_name, body=query)

for result in results['hits']['hits']:
    print(result['_source'])

我们可以通过运行 curl 命令来检查索引是否已经被创建。我们还可以通过运行一个Python循环来一次创建多个索引。为了在Elasticsearch中搜索索引，我们可以编写代码来搜索特定的索引，或者搜索所有以某一前缀开始的索引。我们还可以使用Elasticsearch库或通过读取输入文件来删除索引。

我们看到了如何使用Docker Compose设置Elasticsearch和Kibana，以及如何使用Python对Elasticsearch进行CRUD操作。Elasticsearch是一个强大的搜索和分析数据的工具，它可以使用其Python库轻松地集成到你现有的项目中。