Langchain连接Elasticsearch向量数据库创建索引报错

背景：因公司业务需求需要利用Langchain中对ES数据库的相关操作将某些文件通过embedding录入向量数据库；

代码如下：

def read_excel_to_file(filepath):
    '''
    将处理好的.xls文件导入到es中,.xls文件中每一行只保留问题和答案，其他的不要
    '''
    wb = xlrd.open_workbook(filename=filepath)
    sheet1 = wb.sheet_by_index(0)
    #逐行读取excel文件
    for i in range(sheet1.nrows):
        print("".join(sheet1.row_values(i)).strip())
        #对每行读出的列表进行组合，去除首尾空格
        texts = "".join(sheet1.row_values(i)).strip()
        #设置文本切分量级
        text_splitter = TokenTextSplitter(chunk_size=1000, chunk_overlap=0)
        texts = text_splitter.create_documents([texts])
        print(texts)
        # 通过openai进行embeddings，并存入es中
        index_name = "**********"
        embeddings = llm_utils.get_custom_embeddings()
        docsearch = ElasticVectorSearch.from_documents(texts, embeddings,
                                                       elasticsearch_url="localhost:80",
                                                       index_name=index_name)
    

在录入过程中程序报错：

elasticsearch.exceptions.RequestError: RequestError(400,‘validation_exception’, ‘Validation Failed: 1: this action would add [2] total shards, but this cluster currently has [999]/[1000] maximum shards open;’)

通过查询相关资料以及询问GPT发现问题根源所在
链接:https://discuss.openedx.org/t/elasticsearch-maximum-shards-open/7319

导致报错的原因是由于ES向量数据的分片数已被占满，从而导致无法录入新的索引数据，解决办法就是清理无关的索引，将分片空余出来。