？这是爬行动物列的原始“ 16”
如果要检查数据，您将不可避免地搜索，并且搜索无法与搜索引擎分开。Baidu和Google非常大且复杂的搜索引擎，它们几乎索引了所有网页和数据在Internet上打开。，对于我们自己的业务数据，无需使用此类复杂技术。如果我们想实施搜索引擎，Elasticsearch是促进存储和检索的最佳选择。它是一个完整的文本搜索引擎，可以快速快速存储，搜索和分析大量数据。
因此，如果我们将攀登数据存储到Elasticsearch中，则检索将非常方便。
Elasticsearch是一款开源搜索引擎，基于完整的搜索引擎库Apache Lucene?。
那么Lucene是什么？Lucene可能是一个具有最先进，表现最高和完整功能的搜索引擎功能的图书馆，但它只是一个库。如果您想使用Lucene，我们需要编写Java并引用Lucene Package，我们需要对信息检索有一定程度的了解。
为了解决这个问题，Elasticsearch诞生了。它使用Lucene进行索引和搜索，但其目标是使全文检索变得简单，这等同于Lucene层。Realize储存和检索。
因此，Elasticsearch只是Lucene包装的简单版本吗？这是错误的，Elasticsearch不仅是Lucene，而且不仅是完整的文本搜索引擎，也可以准确地描述它：
简而言之，这是一个非常强大的搜索引擎。Wikipedia，Stack Overflow和GitHub都将其用于搜索，不仅提供了强大的检索功能，而且还提供了强大的存储功能。
Elasticsearch中有几个基本概念，例如节点，索引，文档等。让我们在下面解释一下。理解这些概念对熟悉Elasticsearch非常有帮助。
Elasticsearch本质上是一个分布式数据库，允许多个服务器一起工作。每个服务器可以运行多个Elasticsearch实例。
单个Elasticsearch实例称为节点（节点），一组节点形成群集。
索引，即索引，Elasticsearch将索引所有字段，然后在处理后，编写反向索引（倒置索引）。查找数据时，直接找到索引。
因此，Elasticsearch数据管理的顶级单位称为索引，实际上等同于MySQL和MongoDB中的数据库概念。此外，值得注意的是，每个索引的名称（即数据库）必须小写。
文档，文档。索引中的单个记录称为文档，许多文档构成索引。
同一索引中的文档不需要相同的结构（模式），但是最好保持相同的内容，因为这有助于提高搜索效率。
可以支付文件。例如，在天气索引中，它可以由城市群体（北京和上海）或气候组（阳光和雨天）包装。此包称为类型（类型），这是一个虚拟逻辑群体要过滤文档，类似于MySQL中的数据表和MongoDB中的集合。
不同类型应该具有相似的结构。例如，该字段不能是该组中的字符串，并且另一组的值。这是与关系数据库表的差异。不同的数据（例如）应存储在两个索引而不是一种索引中的两种类型（尽管可以完成）。
根据计划，Elastic 6.x版本仅允许每个索引包含一种类型，而Elastic 7.X将开始彻底删除它。
每个文档类似于JSON结构。它包含许多字段。每个字段都有其相应的值。多个字段形成文档。实际上，可以将其与MySQL数据表中的字段进行比较。
在Elasticsearch中，该文档属于类型（类型），并且这些类型存在于索引中。我们可以为类比传统关系数据库绘制一些简单的比较图：
以上是Elasticsearch中的一些基本概念。与关系数据库的对比更有帮助理解。
在开始本节的实际操作之前，请确保已正确安装Elasticsearch。您可以参考安装方法：https：//setup.scrape.center/elasticsearch。安装完成后，它可以确保它可以正常运行在本地9200端口上。
Elasticsearch实际上提供了一系列用于访问和查询操作的Restful API。我们可以使用平等命令或直接调用API进行数据存储和修改操作，但是它不是很方便。因此，在这里，我们直接引入了专门用于连接Elasticsearch的Python库。该名称也称为Elasticsearch。您可以使用PIP3安装它：
有关更详细的安装方法，请参阅以下内容：https：//setup.scrape.center/elasticsearch-py。
安装后，我们可以开始学习本节。
让我们首先看一下如何创建索引。在这里，我们创建一个名为：
在这里，我们首先创建了一个Elasticsearch对象，并且没有设置任何参数。默认情况下，它将连接在本地9200端口运行的Elasticsearch服务。我们还可以设置特定的连接信息，例如：
我们可以以特定格式构造链接字符串并传递的第一个参数。主机名和端口，由Elasticsearch运行的地址和端口，用户名和密码是可选的，代表连接elasticsearch所需的用户名和密码，还有其他其他其他。参数设置，例如verify_certs表示是否要验证证书的有效性。对于更多参数设置，请参阅：https：//elasticsearch-py.readthedocs.io/en/latest/api.html #lasticsearch。
声明Elasticsearch对象后，我们称为ES索引对象的创建方法以传递索引名称。如果成功创建，将返回以下结果：
可以看出，返回结果是JSON格式，该字段指示成功的创建操作执行。
但是目前，如果我们再次执行代码，我们将返回以下结果：
它提示创建故障，状态代码为400。错误的原因是该索引已经存在。
请注意，在此处的代码中，我们使用的参数为400，这表明如果结果为400，它将忽略此错误。它不会报告错误，并且该程序不会引发异常。
如果我们不添加此参数：
执行再次报告错误：
执行程序将存在问题。因此，我们需要充分利用参数并消除某些事故，这可以确保程序正常执行而不会中断。
创建后，我们还可以设置索引的字段映射定义。参考：https：//lasticsearch-py.readcs.io/en/latml?#elasticsearch.client.indicesclient.put_mapping。
删除索引相似，代码如下：
这也是忽略索引不存在的问题并删除因故障引起的故障的问题。
如果删除成功，结果将输出：
如果已删除索引并执行删除，则结果将输出：
该结果表明当前索引不存在，删除失败。返回的结果也是JSON，状态代码为404，但是由于我们添加参数并忽略了404状态代码，因此程序正常执行，并且该程序是正常执行的，并且输出JSON结果，而不是抛出异常。
Elasticsearch就像Mongodb一样。插入数据时，您可以直接插入结构化的词典数据，并且可以调用数据。例如，在这里，我们插入新闻数据：
在这里，我们首先声明新闻数据，包括标题和链接，然后通过调用来插入此数据。调用该方法时，我们通过4个参数。参数代表索引名称，这是数据的唯一标识符ID，代表文档的特定内容。
运行结果如下：
结果，中间的字段是数据已成功插入。
此外，我们实际上可以使用方法插入数据。但是，该方法要求我们指定字段以唯一识别数据，并且该方法不需要它。如果未指定，它将自动生成一个。写作方法如下：
该方法实际上称为该方法，该方法是该方法的包。
更新数据也很简单。我们还需要指定数据的数据和内容。
在这里，我们将日期字段添加到数据中，然后调用该方法。结果如下：
可以看出，背面结果中的字段是更新成功。此外，我们还注意到一个字段，该字段代表更新的版本号，2表示第二个版本。由于数据之前插入了一次，第一个插入数据是版本1。请参阅上面的操作结果。此更新后，版本编号将变为2。每次更新时，版本编号将添加1。
此外，还可以完成更新操作方法，写作方法如下：
可以看出，该方法可以完成插入的两个操作并为我们更新数据。如果不存在数据，则执行插入操作。如果存在，执行更新操作非常方便。
如果要删除数据，可以调用该方法并指定需要删除的数据。编写如下：
运行结果如下：
可以看出，运行结果中的字段是删除成功。它变成3，增加1。
上述操作是非常简单的操作。普通数据库可以完成，例如MongoDB。看起来没有什么好。Elasticsearch在其异常强大的检索功能方面更为特别。
对于中文，我们需要安装分段插件。在这里，我们使用elasticsearch-nablesy-ik，其github链接是https://github.com/medcl/elasticsearch-analisy-ik。我们使用elasticsearch-plugin来安装Elasticsearch的另一个命令行工具。这里安装的版本是7.13.2。
请在此处替换您的Elasticsearch版本号。
安装后，我们需要重新启动Elasticsearch，然后在启动后，它将自动加载已安装的插头-in。
首先，我们重新创建一个新索引，并指定需要分割的字段。相应的代码如下：
在这里，我们首先删除了先前的索引，然后构建了一个新的索引，然后更新了其信息。该细分字段在信息中指定。指定了字段的类型，即使我们使用刚刚安装的中文分割插头，单词分割和搜索细分也是如此。如果未指定，请使用默认的英语单词分段。
接下来，我们插入一些新数据：
在这里，我们指定了4个数据，这些数据都包含字段，然后通过该方法将它们插入Elasticsearch中。索引名称是。
接下来，让我们根据关键字检查相关内容：
可以看出，此处查询了4个数据：
可以看出，返回结果将出现在字段中，该字段指示查询结果的数量，代表最大匹配分数。
此外，我们还可以进行完整的文本检索，这是一个反映Elasticsearch搜索引擎特征的地方：
在这里，我们使用Elasticsearch支持的DSL语句查询，并使用指定的全文检索。搜索字段是“中国领事馆”。搜索结果如下：
在这里，我们看到匹配的结果有两个。第一篇文章的分数为1.7796917，第二篇文章的分数为0.81085134。两个匹配数据不包括“梦想”，但其中包含“大学入学考试”一词，因此也被检索了，但是它也已检索到“ Dream”。得分相对较低。
因此，可以看出，相应的场在检索过程中检索相应的字段，结果将根据检索的检索的相关性进行排序。这是一个基本的搜索引擎原型。
此外，Elasticsearch还支持许多查询方法，在这里不会一个人描述。简而言之，它的功能非常强大。有关详细信息，请参阅官方文件：https：//www.lastic.co/guide/en/elasticsearch/reference/master/qury-dsl.html。
以上是Elasticsearch的基本介绍，也是使用Python操作Elasticsearch的基本用法，但这只是Elasticsearch的基本功能。它还具有更强大的功能等待我们探索。
本节中的代码地址：https：//github.com/python3webspider/elasticsearchtest。
非常感谢您的阅读。有关更多令人兴奋的内容，请注意我的公共帐户“编码器”和“ Cui Qingcai丨Quiet”。
原始：https：//juejin.cn/post/70961071490544443534