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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217