解决elasticsearch-py创建索引时出现404错误的正确方法
2025-06-14 12:39:32作者:柯茵沙
在使用elasticsearch-py客户端库操作Elasticsearch时,开发者经常会遇到一个典型问题:当尝试创建新索引时,系统返回404 NotFound错误,而基础的ping测试却能正常通过。这种情况通常源于一个简单但容易被忽视的配置问题。
问题现象分析
开发者通常会按照以下方式初始化Elasticsearch客户端并尝试创建索引:
from elasticsearch import Elasticsearch
# 初始化客户端
client = Elasticsearch(
"http://10.1.3.28:5601",
verify_certs=False,
basic_auth=("username", "password")
)
# 测试连接
print(client.ping()) # 返回True
# 尝试创建索引
client.indices.create(index="mynewindex") # 抛出404 NotFoundError
这种场景下,虽然ping测试成功,但索引创建操作却失败,表明客户端连接到了某个服务,但该服务并非真正的Elasticsearch服务。
根本原因
问题的核心在于端口配置错误。Elasticsearch和Kibana是两个不同的组件,它们使用不同的默认端口:
- Elasticsearch服务默认运行在9200端口
- Kibana作为可视化工具默认运行在5601端口
当开发者错误地将Kibana的端口(5601)配置为Elasticsearch客户端连接地址时,虽然Kibana服务能够响应基础的HTTP请求(导致ping测试通过),但它并不具备处理Elasticsearch索引操作的能力,因此会返回404错误。
正确配置方法
要解决这个问题,需要确保连接到正确的Elasticsearch服务端口:
from elasticsearch import Elasticsearch
# 正确的Elasticsearch地址应使用9200端口
client = Elasticsearch(
"http://10.1.3.28:9200", # 注意端口改为9200
verify_certs=False,
basic_auth=("username", "password")
)
# 现在创建索引应该能正常工作
client.indices.create(index="mynewindex")
深入理解
-
端口区别:
- 9200端口:Elasticsearch的HTTP API端口,所有数据操作都应通过此端口
- 5601端口:Kibana的Web界面端口,仅用于可视化展示
-
连接测试:
- ping()方法只是测试HTTP连接是否可达,不验证服务类型
- 即使连接到错误服务,只要HTTP服务正常运行,ping()也会返回True
-
安全考虑:
- 生产环境中不应禁用证书验证(verify_certs=False)
- 建议配置正确的CA证书以确保连接安全
最佳实践建议
- 明确区分Elasticsearch和Kibana的地址配置
- 在开发环境中使用明确的配置常量或环境变量管理连接信息
- 对于重要操作,添加异常处理逻辑
- 考虑使用官方推荐的Elasticsearch DSL高级客户端,它提供了更友好的API
通过正确配置连接地址和端口,开发者可以避免这类"假成功"的问题,确保Elasticsearch操作能够正常执行。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
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++
892
667
Ascend Extension for PyTorch
Python
376
445
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
349
200
昇腾LLM分布式训练框架
Python
116
145
🎉 (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
1.37 K
778
暂无简介
Dart
798
197
React Native鸿蒙化仓库
JavaScript
308
359
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.13 K
271