ElasticSearch 6.x 增删改查操作汇总 及 python调用ES中文检索实例

最新推荐文章于 2023-03-08 21:10:56 发布
最新推荐文章于 2023-03-08 21:10:56 发布
阅读量2.3k 收藏 6
点赞数 3
分类专栏： Python机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/dooonald/article/details/87931435
版权

文章目录


发现好久没更新博客了，由于实习公司用到了ES，这两天一直在研究ES，正好记录一下学习的过程，方便以后查阅，后续可能汇总结一下ES的原理，并对比分析一下Lucene，本节主要是对增删改差等基本操作的记录，以及通过python调用的实例，过年新开工，今年继续加油，希望能够斩获秋招！

Error汇总

1. 由于Elasticsearch可以输入且执行脚本，为了系统安全，不允许使用root启动

useradd -m work
su work

2. 外部无法访问

vim elasticsearch.yml

# ---------------------------------- Network -----------------------------------
#
# Set the bind address to a specific IP (IPv4 or IPv6):
#
#network.host: 192.168.0.1
network.host: 0.0.0.0
#
# Set a custom port for HTTP:
#
http.port: 9200
#
# For more information, consult the network module documentation.
#

3. 解决 max virtual memory areas vm.max_map_count [65530] is too low, increase to at least [262144]

// 修改下面的文件  里面是一些内核参数
vi /etc/sysctl.conf 

//添加以下配置  
vm.max_map_count=655360

保存，然后：

sysctl -p
//-p   从指定的文件加载系统参数，如不指定即从/etc/sysctl.conf中加载

会提示错误：

4. sysctl: setting key “vm.max_map_count”: Read-only file system

这是因为Docker的base image做的很精简，甚至都没有init进程，原本在OS启动时执行生效系统变量的过程(sysctl -p)也给省略了，导致这些系统变量依旧保留着kernel默认值，这时候需要我们在容器启动时加入 –privileged 来获取修改系统参数的权限

这里我选择的是修改宿主机本身的配置文件，然后重新启动镜像，也能解决问题，退出容器，返回到宿主机
修改vm.max_map_count 可以通过命令行修改，但是在机器重启时会失效，所以通过修改配置文件来解决问题
命令行修改办法：

sudo sysctl -w vm.max_map_count=655360

5. the default discovery settings are unsuitable for production use; at least one of [discovery.seed_hosts, discovery.seed_providers, cluster.initial_master_nodes] must be configured

elasticsearch.yml文件

node.name: node-1 前面的#打开

cluster.initial_master_nodes: ["node-1"] 这里一定要这样设置，我就是这里没有这样设置出问题的，弄了好久

一、安装及插件

1. 下载

在官网https://www.elastic.co/downloads/elasticsearch下载安装包，本文下载的是elasticsearch-6.4.3.tar.gz,将下载的安装包上传至服务器上。

2. 解压

tar zxvf elasticsearch-6.4.3.tar.gz -C /usr/local

3. 运行

cd /usr/local/elasticsearch-6.4.3/

./bin/elasticsearch

4. 修改profile，环境变量

vim ~/.bash_profile
export PATH=$PATH:/usr/local/elasticsearch-6.4.3/bin
# 以后直接 elasticsearch 就可以运行了

5. 设置外网访问

cd /usr/local/elasticsearch-6.4.3/config
vim elasticsearch.yml
# 增加配置:
network.host: 0.0.0.0

在浏览器访问：http://IP地址:9200/，出现以下配置表示安装成功。

name	"mQQdX2p"
cluster_name	"elasticsearch"
cluster_uuid	"em-fVPdIRLeG4BZAkdRarA"
version	
number	"6.4.3"
build_flavor	"default"
build_type	"tar"
build_hash	"fe40335"
build_date	"2018-10-30T23:17:19.084789Z"
build_snapshot	false
lucene_version	"7.4.0"
minimum_wire_compatibility_version	"5.6.0"
minimum_index_compatibility_version	"5.0.0"
tagline	"You Know, for Search"

6. 后台运行

elasticsearch -d

7. 问题汇总

ERROR: [1] bootstrap checks failed
[1]: max virtual memory areas vm.max_map_count [65530] is too low, increase to at least [262144]
[2018-11-23T10:00:28,057][INFO ][o.e.n.Node               ] [mQQdX2p] stopping ...
[2018-11-23T10:00:28,100][INFO ][o.e.n.Node               ] [mQQdX2p] stopped
[2018-11-23T10:00:28,101][INFO ][o.e.n.Node               ] [mQQdX2p] closing ...
[2018-11-23T10:00:28,111][INFO ][o.e.n.Node               ] [mQQdX2p] closed

解决方案：

sudo su
vim /etc/sysctl.conf
#  添加下面配置：
vm.max_map_count=655360
# 配置生效：
sysctl -p

8. 插件安装

8.1 kibana
$ curl -O https://artifacts.elastic.co/downloads/kibana/kibana-5.6.9-linux-x86_64.tar.gz
$ sha1sum kibana-5.6.9-linux-x86_64.tar.gz 
$ tar -xzf kibana-5.6.9-linux-x86_64.tar.gz
$ cd kibana-5.6.9-linux-x86_64/
#启动
$ ./bin/kibana
$ nohup ./bin/kibana & #在后台运行

#停止
$ ps -ef | grep node # 查找kibana的pid（./bin/../node/bin/node --no-warnings ./bin/../src/cli）
$ kill pid
8.2 ik分词
https://github.com/medcl/elasticsearch-analysis-ik

二、基本概念

全文搜索引擎 Elasticsearch 入门教程

Elasticsearch—基础介绍及索引原理分析

2.1 Index
下面的命令可以查看当前节点的所有 Index

curl -X GET 'http://localhost:9200/_cat/indices?v'

2.2 Type
下面的命令可以列出每个 Index 所包含的 Type。

$ curl 'localhost:9200/_mapping?pretty=true'

三、新建和删除 Index

curl -X PUT 'localhost:9200/weather'
curl -X DELETE 'localhost:9200/weather'

四、中文分词设置

$ curl -H "Content-Type: application/json" -X PUT 'localhost:9200/accounts' -d '
{
  "mappings": {
    "person": {
      "properties": {
        "user": {
          "type": "text",
          "analyzer": "smartcn",
          "search_analyzer": "smartcn"
        },
        "title": {
          "type": "text",
          "analyzer": "smartcn",
          "search_analyzer": "smartcn"
        },
        "desc": {
          "type": "text",
          "analyzer": "smartcn",
          "search_analyzer": "smartcn"
        }
      }
    }
  }
}'

五、数据操作

5.1 新增记录

$ curl -H "Content-Type: application/json" -X PUT 'localhost:9200/accounts/person/1' -d '
{
  "user": "张三",
  "title": "工程师",
  "desc": "数据库管理"
}' 

$ curl -H "Content-Type: application/json" -X POST 'localhost:9200/accounts/person' -d '
{
  "user": "李四",
  "title": "工程师",
  "desc": "系统管理"
}'

curl -X DELETE 'localhost:9200/accounts/person/1'

curl  -H "Content-Type: application/json" -X PUT 'localhost:9200/accounts/person/1' -d '
{
    "user" : "张三",
    "title" : "工程师",
    "desc" : "数据库管理，软件开发"
}'

六、数据查询

6.1 返回所有记录

使用 GET 方法，直接请求/Index/Type/_search，就会返回所有记录。

curl 'localhost:9200/accounts/person/_search'

6.2 全文搜索

Elastic 的查询非常特别，使用自己的查询语法，要求 GET 请求带有数据体。

$ curl -H "Content-Type: application/json" 'localhost:9200/accounts/person/_search'  -d '
{
  "query" : { "match" : { "desc" : "软件" }},
  "from": 1,
  "size": 1
}'

size指定，每次只返回一条结果。还可以通过from字段，指定位移。

6.3 逻辑运算

如果有多个搜索关键字， Elastic 认为它们是or关系。

$ curl -H "Content-Type: application/json" localhost:9200/accounts/person/_search'  -d '
{
  "query" : { "match" : { "desc" : "软件 系统" }}
}'

上面代码搜索的是软件 or 系统。

如果要执行多个关键词的and搜索，必须使用布尔查询。

$ curl -H "Content-Type: application/json" localhost:9200/accounts/person/_search'  -d '
{
  "query": {
    "bool": {
      "must": [
        { "match": { "desc": "软件" } },
        { "match": { "desc": "系统" } }
      ]
    }
  }
}'

6.4 复杂查询实例

  1. 查询时间戳>某个时间并且shopId为100000002和100000006的在SQL中是这样的：
select * from shopsOrder where timestamp>1523671189000 and shopid in ("100000002","100000006")
  • 在ES中就得这么查：
POST:http://192.168.0.1:9200/shopsinfo/shopsOrder/_search
{
    "size":20,
    "query":{
        "bool":{
            "must":[
                {
                    "range":{
                        "timestamp":{
                            "gte":1523671189000
                        }

                    }
                },
                {
                    "terms":{
                        "shopid":["100000002","100000006"]
                    }
                }
            ]
        }
    }
}
  1. 统计的话ES是以aggs作为参数，全称应该叫做Aggregation,比如接着刚才的查询我想计算出结果的amount总额是多少就是类似SQL中的
select sum(amount)query_amount from shopsOrder where timestamp>1523671189000 and shopid in ("100000002","100000006")
  • 在ES中就得这么查
{
    "aggs":{
        "query_amount":{
            "sum":{
                "field":"amount"
            }
        }
    },
    "query":{
        "bool":{
            "must":[
                {
                    "range":{
                        "timestamp":{
                            "gte":1523671189000
                        }

                    }
                },
                {
                    "terms":{
                        "shopid":["100000002","100000006"]
                    }
                }
            ]
        }
    }
}
  1. 按天分组进行统计查询SQL中的提现是这样的：
select createdate,sum(amount)query_amount from shopsOrder where timestamp>1523671189000 and shopid in ("100000002","100000006")
group by createdate order by createdate
  • 在ES中是这样的：
{
    "size":0,
    "aggs":{
        "orderDate":{
            "terms":{
                "field":"createdate",
                "order":{
                    "_term":"asc"
                }
            },
            "aggs":{
                "query_amount":{
                    "sum":{
                        "field":"amount"
                    }
                }
            }
        }
    },
    "query":{
        "bool":{
            "must":[
                {
                    "range":{
                        "timestamp":{
                            "gte":1523671189000
                        }

                    }
                },
                {
                    "terms":{
                        "shopid":["100000002","100000006"]
                    }
                }
            ]
        }
    }
}
  • 查询结果为
......
"aggregations": {
    "orderDate": {
        "doc_count_error_upper_bound": 0,
        "sum_other_doc_count": 99,
        "buckets": [
            ......
            {
                "key": "20180415",
                "doc_count": 8,
                "query_amount": {
                    "value": 31632
                }
            },
            {
                "key": "20180417",
                "doc_count": 3,
                "query_amount": {
                    "value": 21401
                }
            },
            {
                "key": "20180418",
                "doc_count": 2,
                "query_amount": {
                    "value": 2333
                }
            }
            ......
        ]
    }
}
  • buckets中就是查询的结果，key为按我createdate分组后的值，doc_count类似count,query_amount为sum后的值。至于我的参数里面有一个size:0是因为我不需要具体的记录就是hits，所以这里传0
  1. 最后我们来个更复杂的1、统计所有的总额；2、先按paymentType支付方式分组统计amount总额，并且每个支付方式中再按天分组统计每天的amount总额
 {
    "size":0,
    "aggs":{
        "amount":{
            "sum":{
                "field":"amount"
            }
        },
        "paymenttype":{
            "terms":{
                "field":"paymentType"
            },
            "aggs":{
                "query_amount":{
                    "sum":{
                        "field":"amount"
                    }
                },
                "payment_date":{
                    "terms":{
                        "field":"createdate"
                    },
                    "aggs":{
                        "query_amount":{
                            "sum":{
                                "field":"amount"
                            }
                        }
                    }
                }
            }
        }
    },
    "query":{
        "bool":{
            "must":[
                {
                    "range":{
                        "timestamp":{
                            "gte":1523671189000
                        }

                    }
                },
                {
                    "terms":{
                        "shopid":["100000002","100000006"]
                    }
                }
            ]
        }
    }
}
  • 查询结果为：
......
"amount": {
    "value": 684854
},
"paymenttype":{
     ......
    "buckets": [
        {
            "key": "wechatpay",
            "doc_count": 73,
            "amount": {
                "value": 351142
            },
            "payment_date": {
                "doc_count_error_upper_bound": 0,
                "sum_other_doc_count": 25,
                "buckets": [
                    ......
                    {
                        "key": "20180415",
                        "doc_count": 6,
                        "amount": {
                            "value": 29032
                        }
                    },
                    {
                        "key": "20180425",
                        "doc_count": 6,
                        "amount": {
                            "value": 21592
                        }
                    }
                    ......
                ]
            }
        },
        {
            "key": "alipay",
            "doc_count": 67,
            "amount": {
                "value": 333712
            },
            "payment_date": {
                "doc_count_error_upper_bound": 0,
                "sum_other_doc_count": 23,
                "buckets": [
                    ......
                    {
                        "key": "20180506",
                        "doc_count": 8,
                        "amount": {
                            "value": 38280
                        }
                    },
                    {
                        "key": "20180426",
                        "doc_count": 6,
                        "amount": {
                            "value": 41052
                        }
                    }
                    ......
                ]
            }
        }
    ]
}

七、python简单调用，实现中文分词检索功能

# -*- coding:UTF-8 -*-
from elasticsearch import Elasticsearch
import pymysql
from utils.util_tools import *
from conf import tmp_dir
import os
from elasticsearch.helpers import bulk


class ElasticObj:
    def __init__(self, index_name, index_type, ip="127.0.0.1"):
        '''
        :param index_name: 索引名称
        :param index_type: 索引类型
        '''
        self.index_name = index_name
        self.index_type = index_type
        # 用户名 密码
        self.es = Elasticsearch([ip])
        # self.es = Elasticsearch([ip],http_auth=('elastic', 'password'),port=9200)

    def create_index(self, index_mappings):
        # 创建索引
        if self.es.indices.exists(index=self.index_name) is not True:
            res = self.es.indices.create(index=self.index_name, body=index_mappings, ignore=400)
            print(res)

    def delete_index(self):
        result = self.es.indices.delete(index=self.index_name)
        print(result)

    def bulk_index_data(self, in_list):
        '''
        用bulk将批量数据存储到es
        :return:
        '''
        ACTIONS = []
        i = 1
        for line in in_list:
            action = {
                "_index": self.index_name,
                "_type": self.index_type,
                "_id": i,  # _id 也可以默认生成，不赋值
                "_source": {
                    "date": line['date'],
                    "source": line['source'],
                    "link": line['link'],
                    "keyword": line['keyword'],
                    "title": line['title']}
            }
            i += 1
            ACTIONS.append(action)
        # 批量处理
        success, _ = bulk(self.es, ACTIONS, index=self.index_name, raise_on_error=True)
        print('Performed %d actions' % success)

    def build_index_doc(self, in_file, body_data_keys, extra_val, sep=None):
        try:
            i = 0
            with open(in_file, encoding='utf-8') as fin:
                for line in fin:
                    row = line.strip().split(sep)

                    body_data = {}
                    for idx, col in enumerate(row):
                        body_data[body_data_keys[idx]] = col
                    body_data[body_data_keys[-1]] = extra_val
                    self.es.index(index=self.index_name, doc_type=self.index_type, body=body_data)
                    i += 1
        except Exception as e:
            print(e)

    def build_index_db(self, body_data_keys):
        db = pymysql.connect("localhost", "root", "root", "gongan", charset='utf8')
        cursor = db.cursor()
        sql = "SELECT * FROM sheet1"
        try:
            # 使用 execute()  方法执行 SQL 查询
            cursor.execute(sql)
            # 获取所有记录列表
            results = cursor.fetchall()
            new = []
            i = -1
            for row in results:
                i += 1
                body_data = {}
                for idx, col in enumerate(row):
                    body_data[body_data_keys[idx]] = col
                self.es.index(index='gongan', doc_type='test-type', body=body_data)
        except:
            print("Error: unable to fecth data")
        db.close()

    def delete_index_data(self, id):
        res = self.es.delete(index=self.index_name, doc_type=self.index_type, id=id)
        print(res)

    def get_data_by_id(self, id):
        _searched = self.es.get(index=self.index_name, doc_type=self.index_type, id=id)
        print(_searched['_source'])
        print('--' * 50)

    def get_data_by_body(self, doc):
        _searched = self.es.search(index=self.index_name, doc_type=self.index_type, body=doc)
        for hit in _searched['hits']['hits']:
            # print hit['_source']
            print(hit['_source']['date'], hit['_source']['source'], hit['_source']['link'], hit['_source']['keyword'], \
                  hit['_source']['title'])

    # @excute_time_log
    def get_data_by_para(self, search_name, corpus_type, topk=10):
        body_data = {
            "size": topk,
            "query": {
                "bool": {
                    "must": [
                        {
                            "match": {
                                "standard_name": search_name
                            }
                        },
                        {
                            "term": {
                                "corpus_type": corpus_type
                            }
                        }
                    ]
                }
            }
        }
        _searched = self.es.search(index=self.index_name, doc_type=self.index_type, body=body_data)
        candidates = []
        for item in _searched["hits"]["hits"]:
            candidates.append(item["_source"]["standard_name"])
        return candidates


if __name__ == '__main__':
    # """
    _index_name = "medical_corpus"
    _index_type = "doc_type_test"
    _index_mappings = {
        "mappings": {
            _index_type: {
                "properties": {
                    # "id": {
                    #     "type": "long",
                    #     "index": "false"
                    # },
                    "icd_code": {
                        "type": "keyword"
                    },
                    "standard_name": {
                        "type": "text",
                        # "analyzer": "standard",
                        # "search_analyzer": "standard"
                    },
                    "corpus_type": {
                        "type": "keyword"
                    }
                }
            }

        }
    }

    obj = ElasticObj(_index_name, _index_type)
    obj = ElasticObj("test", "test_type")
    # obj.delete_index()
    # obj.create_index(_index_mappings)

    corpus_names = ["drug.txt", "treatment.txt", "material.txt"]
    body_data_keys = ['icd_code', 'standard_name', 'corpus_type']
    sep = None
    for corpus_name in corpus_names:
        in_file = os.path.join(tmp_dir, "corpus_bm25/" + corpus_name)
        obj.build_index_doc(in_file, body_data_keys, corpus_name.split(".")[0], sep)

    # obj.get_data_by_id(1)
    # obj.delete_index_data(1)
    # obj.get_data_by_id(2)

    # search_name = "组织钳"
    # corpus_type = "material"
    # print(obj.get_data_by_para(search_name, corpus_type, topk=20))

    doc0 = {'query': {'match_all': {}}}
    doc = {
        "query": {
            "match": {
                "title": "电视"
            }
        }
    }
    doc1 = {
        "query": {
            "multi_match": {
                "query": "网",
                "fields": ["source", "title"]
            }
        }
    }
    doc = {
        "size": 10,
        "query": {
            "bool": {
                "must": [
                    {
                        "term": {
                            "title": "人民"
                        }
                    },
                    {
                        "terms": {
                            "source": ["慧聪网", "人民电视"]
                        }
                    }
                ]
            }
        }
    }

    obj.get_data_by_body(doc0)
    # """

    # 测试用：
    """ in_list
    in_list = [
        {"date": "2017-09-13",
         "source": "慧聪网",
         "link": "http://info.broadcast.hc360.com/2017/09/130859749974.shtml",
         "keyword": "电视",
         "title": "付费 电视 行业面临的转型和挑战"
         },
        {"date": "2017-09-13",
         "source": "中国文明网",
         "link": "http://www.wenming.cn/xj_pd/yw/201709/t20170913_4421323.shtml",
         "keyword": "电视",
         "title": "电视 专题片《巡视利剑》广获好评：铁腕反腐凝聚党心民心"
         },
        {"date": "2017-09-13",
         "source": "人民电视",
         "link": "http://tv.people.com.cn/BIG5/n1/2017/0913/c67816-29533981.html",
         "keyword": "电视",
         "title": "中国第21批赴刚果（金）维和部隊启程--人民 电视 --人民网"
         },
        {"date": "2017-09-13",
         "source": "站长之家",
         "link": "http://www.chinaz.com/news/2017/0913/804263.shtml",
         "keyword": "电视",
         "title": "电视 盒子 哪个牌子好？ 吐血奉献三大选购秘笈"
         }
    ]
    # obj.bulk_index_data(in_list)
    """

    """ mapping
    "serial": {
        "type": "keyword",  # keyword不会进行分词,text会分词
        "index": "false"  # 不建索引
    },
    # tags可以存json格式，访问tags.content
    "tags": {
        "type": "object",
        "properties": {
            "content": {"type": "keyword", "index": True},
            "dominant_color_name": {"type": "keyword", "index": True},
            "skill": {"type": "keyword", "index": True},
        }
    },
    "status": {
        "type": "long",
        "index": True
    },
    "createTime": {
        "type": "date",
        "format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis"
    },
    "updateTime": {
        "type": "date",
        "format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis"
    }
    """
bllddee
关注
  • 3
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
es.rar 关于elasticsearch 的增删改查
05-26
关于 java 操作 的elasticsearch 7.x 的增删改查，下载即用，封装好的连接，查询哦，具体使用查看test 包下的方法即可
python使用elasticsearch维护数据_python访问并操作elasticsearch中的数据
weixin_35275781的博客
03-02 256
from elasticsearch6 import Elasticsearch'''python访问elasticsearch，进行如下操作：1.查询指定索引下的所有字段及其类型。2.获取指定索引中指定字段的数据。'''class MyEs(object):def __init__(self,host="localhost",port=9200):'''连接参数。连接池部分：elasticsea...
用Python访问Elasticsearch
我的学习成长日记
01-15 653
首先，虽然Python提供访问网络资源的module，但是不好用。更常用的是第三方的requests类库：官网 1，在浏览器中输入url：http://localhost:9200/，则会返回如下Elasticsearch的基本信息。 { "name" : "ubuntu", "cluster_name" : "elasticsearch", "cluster_uuid" : "chev4_PcSg2Lfw_Me1o2xg", "version" : { "number" :
python链接Elasticsearch
weixin_38367535的博客
08-11 2819
本文实现的是一个某个时间段nginx客户端IP访问次数告警功能 环境： filebeat将nginx日志发送到ELK python通过链接Elasticsearch获取数据 python不太好，写的比较渣，大概意思如下： 1、连接ES，这里的ES没有密码，所以使用了warnings模块屏蔽不安全链接的告警； 2、定义一个现在时间变量和十五分钟前时间变量，对应ES中的时间应该是-8小时； 3、定义查询语句，也就是代码中的 es查询规则； 4、定义一个函数client_ip_number，参
（二）ElasticSearch6.1.1 Python API
runing
04-01 457
0、准备开启数据库 ① 关闭Linux防火墙，这个很重要，否则API总是报错连不上。 # 查看防火墙状态 firewall-cmd --state # 关闭防护墙 systemctl stop firewalld.service # 开启防火墙 systemctl start firewalld.service # 重启防火墙 systemctl restart firewalld.s...
python elasticsearch bulk_Python 调用 elasticsearch 的 bulk 接口批量插入数据出现内存泄露，导致 OOM...
weixin_39891272的博客
12-09 463
数据导入脚本如下import timeimport sysfrom elasticsearch import Elasticsearchfrom elasticsearch.helpers import bulkreload(sys)sys.setdefaultencoding('utf-8')def set_mapping(es, index_name = "content_engine", d...
python elasticsearch bulk_Python elasticsearch助手.bulk错误地失败了？（缺少脚本或文档）...
weixin_39856607的博客
02-19 347
在python函数中使用以下有效负载[{'_id': '979507', [15/1871]'_index': 'foll...
Elasticsearch基础概念和Python操作
Java_KW的博客
03-08 802
es基础和python调用
python elasticsearch 查询条件为中文是，返回为空问题！
taojijisky的博客
12-20 1277
（1）query1 = {'query':{'term':{"name":"王刚桑"}}} 返回为空 改为： query1 = {'query':{'term':{"name.keyword":"王刚桑"}}}  变可返回所查结果。
Elasticsearch6.X 工具类 增删改查 没有做聚合
09-26
Elasticsearch6.X 工具类 增删改查 没有做聚合查询 聚合不能分页 简单的分页自己实现
SpringBoot对Elasticsearch增删改查源码
02-18
本人花了几天时间学习es技术，共享给大家，本工程源码，对es文档shierwin/_doc问题库表进行数据的增删改查操作，字段是qustion,anwser，id自动生成；环境es6.8.6，jkd1.8!es官网规定jdk必须1.8.211以上版本！
es客户端工具，便捷操作es全文检索工具的增删改查
04-03
es客户端工具，便捷操作es全文检索工具的增删改查
Java做客户端对Elasticsearch服务的增删改查及批量修改操作
04-08
Java做客户端对Elasticsearch服务的增删改查及批量修改操作,代码简洁易懂,思路清晰有注释.详情参考https://blog.csdn.net/linhaiyun_ytdx/article/category/7042758
fatal error: gsl/gsl_rng.h: No such file or directory (ubuntu)
私人天地
05-07 5665
ctm.c:29:25: fatal error: gsl/gsl_rng.h: No such file or directory 装下面这个就解决了。。。 sudo apt install libgsl-dev
PyTorch out of memory 解决方案
私人天地
05-06 5546
如果模型在运行了一些时间后出现的outofmemory，那么有可能是因为无用的临时变量太多了，我们需要使用torch.cuda.empty_cache()进行清理就可以了。 try: loss, outputs = model(src, lengths, dec, targets) except RuntimeError as e: if 'out of memory' in ...
Linux . 运行 Python 程序，调用自己的模块报错No module named 'XXX' ——解决方案：添加到PYTHONPATH
私人天地
03-23 3644
该模块必须PYTHONPATH上，否则在导入该模块时会出现找不到该模块的错误，即必须把所需要的模块的路径添加到PYTHONPATH中 解决方案： (1) 在~/.bashrc 中输出环境变量 export PYTHONPATH=$PYTHONPATH:模块路径 (2) 激活 source /etc/profile ...
CTR预估模型（FM/DeepFM/AFM/DCN/DIN）
私人天地
10-07 3251
DeepFM DeepFM: A Factorization-Machine based Neural Network for CTR Prediction 论文精读
Python在数学建模中的简单应用
私人天地
10-02 2979
1.方程求导 from __future__ import print_function from __future__ import division import numpy as np import scipy as sp import scipy.misc def f(x): return 2*x*x + 3*x + 1 print(sp.misc.derivative(f, 2)) ...
python2到python3中的print 快速转换
私人天地
03-21 2638
shift + command + R print (.*) print($1)
es java 增删改查_java操作elasticsearch实现基本的增删改查操作
最新发布
06-08
要操作 Elasticsearch 进行增删改查操作，需要使用 Elasticsearch 的 Java 客户端库。以下是一些基本操作的示例代码： 1. 添加文档： ``` IndexRequest request = new IndexRequest("索引名称"); request.id("文档id"); request.source("字段1", "值1", "字段2", "值2", ...); IndexResponse response = client.index(request, RequestOptions.DEFAULT); ``` 2. 更新文档： ``` UpdateRequest request = new UpdateRequest("索引名称", "文档id"); request.doc("字段1", "新值1", "字段2", "新值2", ...); UpdateResponse response = client.update(request, RequestOptions.DEFAULT); ``` 3. 删除文档： ``` DeleteRequest request = new DeleteRequest("索引名称", "文档id"); DeleteResponse response = client.delete(request, RequestOptions.DEFAULT); ``` 4. 查询文档： ``` SearchRequest request = new SearchRequest("索引名称"); SearchSourceBuilder builder = new SearchSourceBuilder(); builder.query(QueryBuilders.matchQuery("字段名", "查询关键字")); request.source(builder); SearchResponse response = client.search(request, RequestOptions.DEFAULT); ``` 以上示例代码仅为演示基本操作，实际使用中还需考虑性能、错误处理等问题。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值