在我之前的文章 "Elasticsearch：关于在 Python 中使用 Elasticsearch 你需要知道的一切 - 8.x"，我详细讲述了如何建立 Elasticsearch 的客户端连接。我们也详述了如何对数据的写入及一些基本操作。在今天的文章中，我们针对数据的 CRUD (create, read, update 及 delete) 做更进一步的描述。
创建客户端连接接
我们需要安装 Elasticsearch 的依赖包：
pip3 install elasticsearch
bash
1. $ pip3 install elasticsearch
2. Looking in indexes: http://mirrors.aliyun.com/pypi/simple/
3. Requirement already satisfied: elasticsearch in /Library/Frameworks/Python.framework/Versions/3.11/lib/python3.11/site-packages (8.12.0)
4. Requirement already satisfied: elastic-transport<9,>=8 in /Library/Frameworks/Python.framework/Versions/3.11/lib/python3.11/site-packages (from elasticsearch) (8.10.0)
5. Requirement already satisfied: urllib3<3,>=1.26.2 in /Library/Frameworks/Python.framework/Versions/3.11/lib/python3.11/site-packages (from elastic-transport<9,>=8->elasticsearch) (2.1.0)
6. Requirement already satisfied: certifi in /Library/Frameworks/Python.framework/Versions/3.11/lib/python3.11/site-packages (from elastic-transport<9,>=8->elasticsearch) (2023.11.17)
7. $ pip3 list | grep elasticsearch
8. elasticsearch 8.12.0
9. rag-elasticsearch 0.0.1 /Users/liuxg/python/rag-elasticsearch/my-app/packages/rag-elasticsearch我们使用如下的代码来建立一个客户端连接：
ini
1. from elasticsearch import Elasticsearch
3. elastic_user = "elastic"
4. elastic_password = "xnLj56lTrH98Lf_6n76y"
7. url = f"https://{elastic_user}:{elastic_password}@localhost:9200"
8. es = Elasticsearch(url, ca_certs = "./http_ca.crt", verify_certs = True)
10. print(es.info())在上面，我们需要使用自己的 Elasticsearch 集群的用户信息及证书代替上面的值。更多信息，请详细参阅文章 "Elasticsearch：关于在 Python 中使用 Elasticsearch 你需要知道的一切 - 8.x"。
创建文档
要添加新文档，你可以使用索引 API。 如果未指定文档 ID，Elasticsearch 会生成一个。 使用索引 API，你可以一次添加一个文档。
javascript
1. # Data to be indexed
2. document = {
3. "emp_id": 1,
4. "age": 30,
5. "email": "example@example.com",
6. "name": "John Doe",
7. "role": "Developer",
8. "dob": "1992-01-01",
9. "mobile_no": "1234567890",
10. "educational": {
11. "10": 87.5,
12. "12": 90.0,
13. "graduation": 8.4,
14. "post_graduation": 9.1
15. },
16. "stack": ["Python", "Elasticsearch", "React"]
17. }
19. # Indexing the document
20. response = es.index(index="emp_db", document=document)我们可以在 Kibana 中进行查看：
bash
GET emp_db/_search响应将有以下内容：
- _index：存储文档的索引的名称。
- _id：分配给文档的唯一标识符。 如果您在为文档建立索引时未指定 ID，Elasticsearch 会自动生成一个 ID，如本例所示。
- _version：文档的版本号。 对于新创建的文档，该值从 1 开始，并随着每次更新而递增。
- result：指示操作完成，在本例中文档已创建。 如果文档已经存在并且已更新，则会显示 "updated"。
要一次添加多个文档，请使用 bulk API。 为了使用 bulk API，数据需要采用特定格式。 示例实际文档应位于 _source 中，每个文档应具有 _op_type 和 _index 。 它应该是这样的：
通过 bulk API 添加数据：
ini
1. actions = [
2. {"_index": "emp_db", "_op_type": "create", "_source": {"field1": "value1"}},
3. {"_index": "emp_db", "_op_type": "create", "_source": {"field2": "value2"}}
4. # Add more actions as needed
5. ]
7. # List of data to be indexed, this could be in thousands.
8. documents = [
9. {
10. "emp_id": 250349,
11. "age": 26,
12. "email": "abc@xyz.com",
13. "name": "abc",
14. "role": "Developer",
15. "dob": "1997-01-01",
16. "mobile_no": "12345678",
17. "educational": {
18. "10": 87.5,
19. "12": 90.0,
20. "graduation": 8.4,
21. "post_graduation": 9.1
22. },
23. "stack": ["Python", "PySpark", "AWS"]
24. },
25. {
26. "emp_id": 10789,
27. "name": "abc",
28. "age": 27,
29. "email": "abc@xyz.com",
30. "role": "linux admin",
31. "dob": "1996-12-10",
32. "mobile_no": "12345678",
33. "educational": {
34. "10": 87.5,
35. "12": 90.0,
36. "graduation": 8.4,
37. "post_graduation": 9.1
38. },
39. "stack": ["Linux", "AWS"]
40. },
41. {
42. "emp_id": 350648,
43. "name": "Sandeep",
44. "age": 27,
45. "email": "def@xyz.com",
46. "role": "seller support"
47. }
48. ]
50. # Define your actions
51. actions = [dict(**{'_index':'emp_db'}, **{'_op_type':'create'}, **{'_id':str(item['emp_id'])}, **{'_source':item}) for item in documents]
53. # Import helpers for using bulk API
54. from elasticsearch import helpers
56. # Use the bulk helper to perform the actions
57. bulk_response = helpers.bulk(es, actions)
所有批量操作都具有相同的响应结构。
Elasticsearch Python 客户端中 helpers.bulk 方法的输出 (3, []) 表明批量操作已成功执行。 让我们分解一下响应：
3 ：这是在批量操作中成功处理的操作（例如索引、更新或删除文档）的数量。
[] ：这个空列表表明批量操作期间没有错误。 如果存在任何错误，此列表将包含失败操作的错误详细信息。
- 3 ：这是在批量操作中成功处理的操作（例如索引、更新或删除文档）的数量。
- [] ：这个空列表表明批量操作期间没有错误。 如果存在任何错误，此列表将包含失败操作的错误详细信息。
读写操作
要检索文档，请使用 get API 和文档 ID。
ini
response = es.get(index="emp_db", id=250349)
除了 _index 、 _id 、 _version 之外
- found ：表示在索引中找到了具有给定 id 的文档。
- _source ：包含文档的实际数据。
使用 mget API 检索多个文档：
ini
1. doc_ids = [
2. {"emp_id":250349},
3. {"emp_id":350648}
4. ]
6. # Define your actions
7. docs = [dict(**{'_index':'emp_db'}, **{'_id':str(item['emp_id'])}) for item in doc_ids]
9. # Retrieve the documents
10. response = es.mget(body={"docs": docs})
更新文档
要更新现有文档，请使用 update API。 这可以部分更新文档。 通过 update API，你可以一次添加一个文档。
javascript
1. document = {
2. "emp_id": 250349,
3. "role": "sr software engineer"
4. }
6. response = es.update(index="emp_db", id=document["emp_id"], doc=document)响应将有 _index 、 _id 、 _version 、 result 。
通过 bulk API 更新数据：
删除文档
要删除文档，请使用 delete API。 使用 delete API，你一次只能删除一个文档。
ini
es.delete(index="emp_db", id=250349)
响应将有 _index 、 _id 、 _version 、 result 。
通过 bulk API 删除数据。
ini
1. # List of ids to be deleted, this could be in thousands.
2. documents = [
3. {
4. "emp_id": 10789,
5. },
6. {
7. "emp_id": 350648,
8. }
9. ]
11. # Define your actions
12. actions = [dict(**{'_index':'emp_db'}, **{'_op_type':'delete'}, **{'_id':str(item['emp_id'])}) for item in documents]
14. # Import helpers for using bulk API
15. from elasticsearch import helpers
17. # Use the bulk helper to perform the actions
18. response = helpers.bulk(es, actions)
恭喜，你已成功完成 CRUD 操作。 在这篇博客中，你了解了基本的 CRUD 操作。
完整的 jupyter notebook，请在地址下载：github.com/liu-xiao-gu...