pyes - Python ElasticSearch 技术文档
2024-12-20 23:32:50作者:秋阔奎Evelyn
1. 安装指南
在开始使用 pyes 前,请确保您的环境中安装了 Python(版本1.x或以上),以及对应的 ElasticSearch(1.x或以上版本)。
安装 Python
访问 Python 官方网站下载并安装 Python,确保安装过程中勾选了“Add Python to PATH”选项,以便可以在命令行中直接使用 Python。
安装 ElasticSearch
从 ElasticSearch 官方网站下载对应版本的 ElasticSearch,并根据官方文档完成安装。
安装 pyes
通过命令行执行以下命令安装 pyes:
pip install pyes
2. 项目的使用说明
pyes 提供了一个 Pythonic 的接口,使得使用 ElasticSearch 变得更加简便。以下是 pyes 的一些主要特性:
- 支持Python 3(仅限HTTP协议,thrift库在Python 3上不可用)
- 支持 Thrift/HTTP 协议
- 支持批量插入/删除
- 索引管理
- 支持所有搜索查询类型
- 支持Facet
- 支持聚合查询
- 支持地理位置查询
- 支持高亮显示
- 支持Percolator
- 支持River
3. 项目API使用文档
以下是 pyes 项目的部分 API 文档:
-
连接ElasticSearch
from pyes import Es es = Es('http://localhost:9200/') -
索引管理
创建索引:
es.indices.create(index='myindex', settings=settings, mappings=mappings)删除索引:
es.indices.delete(index='myindex') -
插入文档
es.index(index='myindex', doc_type='mytype', id=1, body={ "field1": "value1", "field2": "value2" }) -
搜索
results = es.search(index='myindex', doc_type='mytype', body=query) -
批量操作
批量插入:
actions = [ { "_index": "test-index", "_type": "type1", "_source": {"field1": "value1"} }, { "_index": "test-index", "_type": "type1", "_source": {"field1": "value2"} } ] help(es.bulk(actions))批量删除:
es.bulk([ { "_op_type": "delete", "_index": "test-index", "_type": "type1", "_id": "1" } ])
4. 项目安装方式
pyes 的安装方式已在“1. 安装指南”中进行了说明,简要概括如下:
通过命令行执行以下命令安装 pyes:
pip install pyes
以上即为 pyes 技术文档的主要内容,希望对您有所帮助。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedJavaScript098- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
701
4.51 K
Ascend Extension for PyTorch
Python
564
692
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
JavaScript
541
98
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
957
953
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
411
338
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.6 K
939
Oohos_react_native
React Native鸿蒙化仓库
C++
340
387
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
128
209
昇腾LLM分布式训练框架
Python
149
177
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
140
221