我的Elasticsearch系列文章，逐渐更新中，欢迎关注 0A.关于Elasticsearch及实例应用 00.Solr与ElasticSearch对比 01.ElasticSearch能做什么？ 02.Elastic Stack功能介绍 03.如何安装与设置Elasticsearch API 04.如果通过elasticsearch的head插件建立索引_CRUD操作 05.Elasticsearch多个实例和head plugin使用介绍 06.当Elasticsearch进行文档索引时，它是如何工作的? 07.Elasticsearch中的映射方式—简洁版教程 08.Elasticsearch中的分析和分析器应用方式 09.Elasticsearch中构建自定义分析器 10.Kibana科普-作为Elasticsearhc开发工具 11.Elasticsearch查询方法 12.Elasticsearch全文查询 13.Elasticsearch查询-术语级查询 14.第14篇-Python中的Elasticsearch入门 15.使用Django进行ElasticSearch的简单方法 16.关于Elasticsearch的6件不太明显的事情 17.使用Python的初学者Elasticsearch教程 18.用ElasticSearch索引MongoDB,一个简单的自动完成索引项目 19.Kibana对Elasticsearch的实用介绍 20.不和谐如何索引数十亿条消息 21.使用Django进行ElasticSearch的简单方法

另外Elasticsearch入门，我强烈推荐ElasticSearch入门教程和这篇优秀的REST API设计指南 给你，这两个指南都是非常想尽的入门手册。

前一段时间，我在Django项目上工作，想实现快速的自由文本搜索。我决定使用NoSQL数据库，而不是使用常规数据库来执行此搜索功能（例如MySQL或PostgreSQL）。那就是我发现ElasticSearch的时候。

ElasticSearch为您的数据索引文档，而不是像常规关系数据库那样使用数据表。这可以加快搜索速度，并提供其他常规数据库无法获得的其他好处。我还保留了一个常规的关系数据库，用于存储用户详细信息，登录名和其他不需要ElasticSearch索引的数据。

在搜索了如何使用Django正确实现ElasticSearch的很长时间之后，我并没有真正找到令人满意的答案。一些指南或教程令人费解，似乎正在采取不必要的步骤来将数据索引到ElasticSearch中。有关如何执行搜索的信息很多，但有关如何完成索引的信息却不多。我觉得那里肯定有一个更简单的解决方案，所以我决定自己尝试一下。

我想使它尽可能简单，因为简单的解决方案在我看来往往是最好的解决方案。KISS（保持简单愚蠢），少即是多，所有这些东西都引起了我的共鸣，特别是当其他解决方案非常复杂时。我决定在此视频中使用HonzaKrál的示例来为我的代码提供基础。我建议您观看它，尽管此时它有点过时了。

由于我使用的是用Python编写的Django，因此与ElasticSearch进行交互非常容易。有两个客户端库可通过Python与ElasticSearch进行交互。有elasticsearch-py，这是官方的低级客户端。还有elasticsearch-dsl，它是在前者的基础上构建的，但是它提供了更高层次的抽象，但功能却少了一点。

我们将很快讨论一些示例，但首先我需要阐明我们要完成的工作： ● 在我们的本地计算机上设置ElasticSearch并确保其正常运行 ● 设置一个新的Django项目 ● 批量索引数据库中已经存在的数据 ● 用户保存到数据库的每个新实例的索引 ● 基本搜索示例

好吧，这似乎很简单。让我们开始在我们的机器上安装ElasticSearch。另外，所有代码都将在我的GitHub上可用，因此您可以轻松地遵循示例。

安装ElasticSearch 由于ElasticSearch在Java上运行，因此必须确保您具有更新的JVM版本。检查java -version终端中的版本。然后运行以下命令来创建新目录，下载，解压缩并启动ElasticSearch：

mkdir elasticsearch-examplewget https://artifacts.elastic.co/downloads/elasticsearch/elasticsearch-5.1.1.tar.gztar -xzf elasticsearch-5.1.1.tar.gz./elasticsearch-5.1.1/bin/elasticsearch

当ElasticSearch启动时，应该在终端窗口上打印很多输出。要检查其启动和运行是否正确，请打开一个新的终端窗口并运行以下curl命令：

curl -XGET http：// localhost：9200 响应应该是这样的： { "name" : "6xIrzqq", "cluster_name" : "elasticsearch", "cluster_uuid" : "eUH9REKyQOy4RKPzkuRI1g", "version" : { "number" : "5.1.1", "build_hash" : "5395e21", "build_date" : "2016-12-06T12:36:15.409Z", "build_snapshot" : false, "lucene_version" : "6.3.0" }, "tagline" : "You Know, for Search"

太好了，您现在已经在本地计算机上运行了ElasticSearch！现在该设置您的Django项目了。 设置Django项目 首先，您要使用创建一个虚拟环境，virtualenv venv然后使用进行输入，source venv/bin/activate以保留所有内容。然后安装一些软件包：

pip install django pip install elasticsearch-dsl

要启动一个新的Django项目，请运行：

django-admin startproject elasticsearchproject cd elasticsearchproject python manage.py startapp elasticsearchapp

创建新的Django项目后，您需要创建一个将要使用的模型。在本指南中，我选择了一个很好的老式博客文章示例。在其中models.py放置以下代码：

from django.db import models from django.utils import timezone from django.contrib.auth.models import User

Create your models here.

Blogpost to be indexed into ElasticSearch

class BlogPost(models.Model): author = models.ForeignKey(User, on_delete=models.CASCADE, related_name='blogpost') posted_date = models.DateField(default=timezone.now) title = models.CharField(max_length=200) text = models.TextField(max_length=1000)

到目前为止，还挺简单的。不要忘记添加elasticsearchapp到INSTALLED_APPS中settings.py和注册新的博文模型admin.py

是这样的：

from django.contrib import admin from .models import BlogPost

Register your models here.

Need to register my BlogPost so it shows up in the admin

admin.site.register(BlogPost)

您还必须python manage.py makemigrations,python manage.py migrate并 python manage.py createsuperuser创建数据库和管理员帐户。现在， python manage.py runserver转到http://localhost:8000/admin/并登录。现在，您应该可以在此处看到您的Blog帖子模型。继续并在管理员中创建您的第一篇博客文章。

恭喜，您现在有了一个可正常运行的Django项目！终于是时候玩有趣的东西了–连接ElasticSearch。

将ElasticSearch与Django连接 您首先需要search.py在elasticsearchapp目录中创建一个新文件。这是ElasticSearch代码的所在地。您要做的第一件事是创建从Django应用程序到ElasticSearch的连接。您可以在search.py

文件中执行此操作：

from elasticsearch_dsl.connections import connections connections.create_connection()

现在，您已经与ElasticSearch设置建立了全局连接，您需要定义要索引到其中的内容。编写这段代码：

from elasticsearch_dsl.connections import connections from elasticsearch_dsl import DocType, Text, Date connections.create_connection() class BlogPostIndex(DocType): author = Text() posted_date = Date() title = Text() text = Text() class Meta: index = 'blogpost-index'

它看起来与您的模型非常相似，对吧？该DocType作品的包装，让你写一个指数就像一个模型各字段，以便他们得到正确的格式，当他们得到索引。 在Meta内部，您告诉ElasticSearch您想要索引的名称。这将是ElasticSearch的参考点，以便当在数据库中初始化索引并保存每个创建的新对象实例时，它知道要处理的索引。 现在，您需要实际创建BlogPostIndex在ElasticSearch中新创建的映射。您可以执行此操作，还可以创建一种同时进行批量索引的方法-多么方便？ 数据批量索引 该bulk命令位于该库的顶部，因此elasticsearch.helpers安装时包含该命令elasticsearch_dsl。在中执行以下操作search.py

from elasticsearch.helpers import bulk from elasticsearch import Elasticsearch from . import models ...... def bulk_indexing(): BlogPostIndex.init() es = Elasticsearch() bulk(client=es, actions=(b.indexing() for b in models.BlogPost.objects.all().iterator()))

“这里发生了什么？” 你可能在想。实际上，它并不那么复杂。 因为只要在我们的模型中进行某些更改，您就只想进行批量索引编制，因此可以将其映射到ElasticSearch中的模型。然后，您使用并将其实例传递给它将创建与ElasticSearch的连接。然后，您将生成器传递到常规数据库中 所有BlogPost对象并对其进行迭代，并.indexing()在每个对象上调用方法。为什么要使用发电机？因为如果要在生成器上迭代的对象很多，则不必先将它们加载到内存中。 上面的代码只有一个问题。您.indexing()的模型上还没有方法。让我们修复一下：

... from .search import BlogPostIndex ...... # Add indexing method to BlogPost def indexing(self): obj = BlogPostIndex( meta={'id': self.id}, author=self.author.username, posted_date=self.posted_date, title=self.title, text=self.text ) obj.save() return obj.to_dict(include_meta=True)

您将索引方法添加到BlogPost模型。它返回a BlogPostIndex并保存到ElasticSearch。 现在让我们尝试一下，看看是否可以对以前创建的博客文章进行批量索引。通过运行python manage.py shell你进入Django的壳并导入search.py用from elasticsearchapp.search import *，然后运行bulk_indexing()在你的数据库索引的所有博客文章。要查看它是否有效，请运行以下curl命令：

curl -XGET'localhost：9200 / blogpost-index / blog_post_index / 1？pretty'

总结 这是一篇篇幅很长的文章，但我希望它写得足够​​简单，即使是初学者也能理解。 我解释了如何将Django模型连接到ElasticSearch进行索引和搜索，但是ElasticSearch可以做很多事情。我建议在他们的网站上阅读并探索还有其他可能性，例如空间操作和带有智能突出显示的全文本搜索。它是一个很棒的工具，我一定会在以后的项目中使用它！