美文网首页视觉艺术
Python Elasticsearch DSL 查询、过滤、聚

Python Elasticsearch DSL 查询、过滤、聚

作者: yongxinz | 来源:发表于2020-04-21 22:30 被阅读0次

    技术博客:https://github.com/yongxinz/tech-blog

    同时,也欢迎关注我的微信公众号 AlwaysBeta,更多精彩内容等你来。

    Elasticsearch 基本概念

    Index:Elasticsearch用来存储数据的逻辑区域,它类似于关系型数据库中的database 概念。一个index可以在一个或者多个shard上面,同时一个shard也可能会有多个replicas。

    Document:Elasticsearch里面存储的实体数据,类似于关系数据中一个table里面的一行数据。

    document由多个field组成,不同的document里面同名的field一定具有相同的类型。document里面field可以重复出现,也就是一个field会有多个值,即multivalued。

    Document type:为了查询需要,一个index可能会有多种document,也就是document type. 它类似于关系型数据库中的 table 概念。但需要注意,不同document里面同名的field一定要是相同类型的。

    Mapping:它类似于关系型数据库中的 schema 定义概念。存储field的相关映射信息,不同document type会有不同的mapping。

    下图是ElasticSearch和关系型数据库的一些术语比较:

    Relationnal database Elasticsearch
    Database Index
    Table Type
    Row Document
    Column Field
    Schema Mapping
    Schema Mapping
    Index Everything is indexed
    SQL Query DSL
    SELECT * FROM table… GET http://…
    UPDATE table SET PUT http://…

    Python Elasticsearch DSL 使用简介

    连接 Es:

    import elasticsearch
    
    es = elasticsearch.Elasticsearch([{'host': '127.0.0.1', 'port': 9200}])
    

    先看一下搜索,q 是指搜索内容,空格对 q 查询结果没有影响,size 指定个数,from_ 指定起始位置,filter_path 可以指定需要显示的数据,如本例中显示在最后的结果中的只有 _id_type

    res_3 = es.search(index="bank", q="Holmes", size=1, from_=1)
    res_4 = es.search(index="bank", q=" 39225    5686 ", size=1000, filter_path=['hits.hits._id', 'hits.hits._type'])
    

    查询指定索引的所有数据:

    其中,index 指定索引,字符串表示一个索引;列表表示多个索引,如 index=["bank", "banner", "country"];正则形式表示符合条件的多个索引,如 index=["apple*"],表示以 apple 开头的全部索引。

    search 中同样可以指定具体 doc-type

    from elasticsearch_dsl import Search
    
    s = Search(using=es, index="index-test").execute()
    print s.to_dict()
    

    根据某个字段查询,可以多个查询条件叠加:

    s = Search(using=es, index="index-test").query("match", sip="192.168.1.1")
    s = s.query("match", dip="192.168.1.2")
    s = s.excute()
    

    多字段查询:

    from elasticsearch_dsl.query import MultiMatch, Match
    
    multi_match = MultiMatch(query='hello', fields=['title', 'content'])
    s = Search(using=es, index="index-test").query(multi_match)
    s = s.execute()
    
    print s.to_dict()
    

    还可以用 Q() 对象进行多字段查询,fields 是一个列表,query 为所要查询的值。

    from elasticsearch_dsl import Q
    
    q = Q("multi_match", query="hello", fields=['title', 'content'])
    s = s.query(q).execute()
    
    print s.to_dict()
    

    Q() 第一个参数是查询方法,还可以是 bool

    
    q = Q('bool', must=[Q('match', title='hello'), Q('match', content='world')])
    s = s.query(q).execute()
    
    print s.to_dict()
    

    通过 Q() 进行组合查询,相当于上面查询的另一种写法。

    q = Q("match", title='python') | Q("match", title='django')
    s = s.query(q).execute()
    print(s.to_dict())
    # {"bool": {"should": [...]}}
    
    q = Q("match", title='python') & Q("match", title='django')
    s = s.query(q).execute()
    print(s.to_dict())
    # {"bool": {"must": [...]}}
    
    q = ~Q("match", title="python")
    s = s.query(q).execute()
    print(s.to_dict())
    # {"bool": {"must_not": [...]}}
    

    过滤,在此为范围过滤,range 是方法,timestamp 是所要查询的 field 名字,gte 为大于等于,lt 为小于,根据需要设定即可。

    关于 termmatch 的区别,term 是精确匹配,match 会模糊化,会进行分词,返回匹配度分数,(term 如果查询小写字母的字符串,有大写会返回空即没有命中,match 则是不区分大小写都可以进行查询,返回结果也一样)

    # 范围查询
    s = s.filter("range", timestamp={"gte": 0, "lt": time.time()}).query("match", country="in")
    # 普通过滤
    res_3 = s.filter("terms", balance_num=["39225", "5686"]).execute()
    

    其他写法:

    s = Search()
    s = s.filter('terms', tags=['search', 'python'])
    print(s.to_dict())
    # {'query': {'bool': {'filter': [{'terms': {'tags': ['search', 'python']}}]}}}
    
    s = s.query('bool', filter=[Q('terms', tags=['search', 'python'])])
    print(s.to_dict())
    # {'query': {'bool': {'filter': [{'terms': {'tags': ['search', 'python']}}]}}}
    s = s.exclude('terms', tags=['search', 'python'])
    # 或者
    s = s.query('bool', filter=[~Q('terms', tags=['search', 'python'])])
    print(s.to_dict())
    # {'query': {'bool': {'filter': [{'bool': {'must_not': [{'terms': {'tags': ['search', 'python']}}]}}]}}}
    

    聚合可以放在查询,过滤等操作的后面叠加,需要加 aggs

    bucket 即为分组,其中第一个参数是分组的名字,自己指定即可,第二个参数是方法,第三个是指定的 field

    metric 也是同样,metric 的方法有 sumavgmaxmin 等,但是需要指出的是,有两个方法可以一次性返回这些值,statsextended_stats,后者还可以返回方差等值。

    # 实例1
    s.aggs.bucket("per_country", "terms", field="timestamp").metric("sum_click", "stats", field="click").metric("sum_request", "stats", field="request")
    
    # 实例2
    s.aggs.bucket("per_age", "terms", field="click.keyword").metric("sum_click", "stats", field="click")
    
    # 实例3
    s.aggs.metric("sum_age", "extended_stats", field="impression")
    
    # 实例4
    s.aggs.bucket("per_age", "terms", field="country.keyword")
    
    # 实例5,此聚合是根据区间进行聚合
    a = A("range", field="account_number", ranges=[{"to": 10}, {"from": 11, "to": 21}])
    
    res = s.execute()
    

    最后依然要执行 execute(),此处需要注意,s.aggs 操作不能用变量接收(如 res=s.aggs,这个操作是错误的),聚合的结果会保存到 res 中显示。

    排序

    s = Search().sort(
        'category',
        '-title',
        {"lines" : {"order" : "asc", "mode" : "avg"}}
    )
    

    分页

    s = s[10:20]
    # {"from": 10, "size": 10}
    

    一些扩展方法,感兴趣的同学可以看看:

    s = Search()
    
    # 设置扩展属性使用`.extra()`方法
    s = s.extra(explain=True)
    
    # 设置参数使用`.params()`
    s = s.params(search_type="count")
    
    # 如要要限制返回字段,可以使用`source()`方法
    # only return the selected fields
    s = s.source(['title', 'body'])
    # don't return any fields, just the metadata
    s = s.source(False)
    # explicitly include/exclude fields
    s = s.source(include=["title"], exclude=["user.*"])
    # reset the field selection
    s = s.source(None)
    
    # 使用dict序列化一个查询
    s = Search.from_dict({"query": {"match": {"title": "python"}}})
    
    # 修改已经存在的查询
    s.update_from_dict({"query": {"match": {"title": "python"}}, "size": 42})
    

    参考文档:

    http://fingerchou.com/2017/08/12/elasticsearch-dsl-with-python-usage-1/

    http://fingerchou.com/2017/08/13/elasticsearch-dsl-with-python-usage-2/

    https://blog.csdn.net/JunFeng666/article/details/78251788

    相关文章

      网友评论

        本文标题:Python Elasticsearch DSL 查询、过滤、聚

        本文链接:https://www.haomeiwen.com/subject/htamihtx.html