python操作Elasticsearc

1、简介

Elasticsearch本质上是一个分布式数据库，允许多台服务器协同工作，每台服务器可以运行多个Elasticsearch实例

单个Elasticsearch实例称为一个节点Node，一组节点构成一个集群Cluster

Index

Elasticsearch会索引所有字段，经处理后写入一个反向索引(Inverted Index)，查找数据的时候，直接查找该索引。所以，Elasticsearch数据管理的顶层单位就叫做index(索引)，其实就相当于MySQL、MongoDB等里面的数据库的概念

Document

Index里面单条的记录称为Document(文档)，许多条Document构成了一个Index。Document使用JSON格式表示，同一个Index里面的Document，不要求有相同的结构(schema)，但是最好保持相同，这样有利于提高搜索效率

Type

Document 可以分组，比如 weather 这个 Index 里面，可以按城市分组（北京和上海），也可以按气候分组（晴天和雨天）。这种分组就叫做 Type，它是虚拟的逻辑分组，用来过滤 Document，类似 MySQL 中的数据表，MongoDB 中的 Collection。

不同的 Type 应该有相似的结构（Schema），举例来说，id 字段不能在这个组是字符串，在另一个组是数值。这是与关系型数据库的表的一个区别。性质完全不同的数据（比如 products 和 logs）应该存成两个 Index，而不是一个 Index 里面的两个 Type（虽然可以做到）。

根据规划，Elastic 6.x 版只允许每个 Index 包含一个 Type，7.x 版将会彻底移除 Type。

Fields

即字段，每个 Document 都类似一个 JSON 结构，它包含了许多字段，每个字段都有其对应的值，多个字段组成了一个 Document，其实就可以类比 MySQL 数据表中的字段。

在 Elasticsearch 中，文档归属于一种类型（Type），而这些类型存在于索引（Index）中，我们可以画一些简单的对比图来类比传统关系型数据库：

Relational DB -> Databases -> Tables -> Rows -> Columns

Elasticsearch -> Indices   -> Types  -> Documents -> Fields

2、操作

在安装位置，在bin文件下，双击elasticsearch.bat：

双击之后，显示下面的界面：

3、代码

from datetime import datetime
from elasticsearch import Elasticsearch

es = Elasticsearch()
es.indices.create(index='my-index', ignore=400)
print(es.index(index='my-index', doc_type='test-type', id=42, body={'any': 'data', 'timestamp': datetime.now()}))
print(es.get(index='my-index',doc_type='test-type',id=42)['_source'])

后续会继续更新elasticsearch的学习情况