PyElasticsearch 技术文档
2024-12-20 00:21:03作者:邵娇湘
1. 安装指南
在开始使用 PyElasticsearch 前,请确保您的系统中已安装了 Python 和 Elasticsearch。以下是安装 PyElasticsearch 的步骤:
-
打开命令行工具。
-
输入以下命令安装 PyElasticsearch:
pip install pyelasticsearch -
确认安装成功,可以通过以下命令检查:
python -c "import pyelasticsearch; print(pyelasticsearch.__version__)"
2. 项目的使用说明
PyElasticsearch 是一个简洁、面向未来的、高性能的 Elasticsearch API。它提供了以下特性:
- 透明地将 Python 数据类型转换为 JSON,包括日期时间和任意精度的 Decimal 类型。
- 将 HTTP 失败状态码转换为异常。
- 支持连接池、HTTP 基本认证和 HTTPS。
- 节点间的负载均衡和故障转移。
- 失败节点标记,避免在一段时间内访问故障节点。
- 可选的自动重试失败请求。
- 线程安全。
- 松耦合设计,允许自定义 JSON 编码和批量索引等。
3. 项目API使用文档
以下是 PyElasticsearch 一些常用 API 的使用示例:
创建连接对象
from pyelasticsearch import ElasticSearch
es = ElasticSearch('http://localhost:9200/')
索引文档
es.index('contacts', 'person', {'name': 'Joe Tester', 'age': 25, 'title': 'QA Master'}, id=1)
批量索引文档
docs = [
{'id': 2, 'name': 'Jessica Coder', 'age': 32, 'title': 'Programmer'},
{'id': 3, 'name': 'Freddy Tester', 'age': 29, 'title': 'Office Assistant'}
]
es.bulk((es.index_op(doc, id=doc.pop('id')) for doc in docs), index='contacts', doc_type='person')
刷新索引
es.refresh('contacts')
获取文档
es.get('contacts', 'person', 2)
执行简单搜索
es.search('name:joe OR name:freddy', index='contacts')
使用 Elasticsearch 查询 DSL 执行搜索
query = [
'query': [
'filtered': [
'query': [
'query_string': ['query': 'name:tester']
],
'filter': [
'range': [
'age': {
'from': 27,
'to': 37
}
]
]
]
]
]
es.search(query, index='contacts')
删除索引
es.delete_index('contacts')
4. 项目安装方式
PyElasticsearch 的安装方式已在“1. 安装指南”中详细说明,这里再次简要总结如下:
使用 pip 命令安装:
pip install pyelasticsearch
确保安装成功后,您就可以开始使用 PyElasticsearch 进行开发了。
登录后查看全文
热门项目推荐
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
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