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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
177
195
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++
647
264
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
270
94
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
378
3.34 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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