随着数据分析需求的不断增长，高效查询和分析大数据集变得越来越重要。Easysearch 作为一种强大的国产化搜索和分析引擎，同时作为 Elasticsearch 国产替代方案，支持原生 DSL 查询语法和 SQL 查询，确保原业务代码无需调整即可无缝迁移。Easysearch 兼容 ES 7.x 现有的 SDK 和索引存储格式，支持冷热架构和索引生命周期管理，为用户提供了全面的数据处理解决方案。本文将详细介绍如何使用 ES 7.x Python SDK 与 Easysearch 进行交互，包括安装、连接、数据操作和查询等方面。
1. 安装 Elasticsearch Python 客户端
要使用 Elasticsearch Python 客户端，首先需要通过pip进行安装。打开终端或命令提示符，并运行以下命令：
pip install elasticsearch==7.13.1
如果使用默认版本安装，会安装 8.x 的依赖，可能会报错 elasticsearch.UnsupportedProductError: The client noticed that the server is not Elasticsearch and we do not support this unknown product.
由于 Elasticsearch 7.10.2 以后变更了许可模式，引入了 Server Side Public License (SSPL) 和 Elastic License，很多基于 Elasticsearch 7.10.2 分支出来的搜索引擎需要使用 7.x 版本的 SDK 和 agent，比如 Beats 全家桶。
这是一个获取集群信息的 demo，使用es.cluster.health() 调用 Elasticsearch 集群的健康检查 API，返回集群的健康状态。
由于使用了自签名证书，所以在初始化时加上 verify_certs=False 参数，同时使用 warnings.filterwarnings("ignore") 设置 Python 的警告系统，忽略所有发出的警告。这在生产代码中通常不推荐，因为它会隐藏潜在的问题，但在开发或测试环境中，如果警告信息太多干扰调试，可能会暂时使用。
import urllib3
import elasticsearch
from elasticsearch import Elasticsearch
import warnings
from pprint import pprint
# 禁用所有警告
warnings.filterwarnings("ignore")
print(elasticsearch.VERSION)
# 禁用警告
urllib3.disable_warnings(urllib3.exceptions.InsecureRequestWarning)
url = "https://ip:9200/"
user_passwd = ('user', 'passwd')
# 建立连接
es = Elasticsearch(
[url],
http_auth=user_passwd,
verify_certs=False,
)
# 检查集群健康状态
health = es.cluster.health()
pprint(health)
2. 准备示例数据
在进行查询之前，我们需要在 Easysearch 中创建一些示例数据。
# 定义示例数据
sample_data = [
{"index": {"_index": "my_index"}},
{"field": "value1", "another_field": 10},
{"index": {"_index": "my_index"}},
{"field": "value2", "another_field": 20},
{"index": {"_index": "my_index"}},
{"field": "value3", "another_field": 30},
{"index": {"_index": "my_index"}},
{"field": "bulk_value1", "another_field": 100},
{"index": {"_index": "my_index"}},
{"field": "bulk_value2", "another_field": 200},
{"index": {"_index": "my_index"}},
{"field": "bulk_value3", "another_field": 300}
]
# 批量插入示例数据
response = es.bulk(body=sample_data)
print(response)
3. 使用 REST API 进行查询
REST API 是与 Easysearch 进行通信的常用方式。通过 REST API，开发者可以发送 HTTP 请求来执行各种操作，包括索引文档、搜索数据等。以下示例展示了如何在 Python 中执行 REST 查询。
由于是 REST API，我们可以先使用 Postman 进行测试。
我们可以看到 HTTP 端点可以正常返回，然后就可以使用编程方式进行访问了：
import requests
from requests.auth import HTTPBasicAuth
from pprint import pprint
url = "https://ip:9200/"
user_passwd = ('user', 'passwd')
# 构建查询参数
query = {
"query": {
"match": {
"field": "value1"
}
}
}
dsl = f"{url}/my_index/_search"
response = requests.get(dsl, json=query, auth=HTTPBasicAuth(*user_passwd), verify=False)
pprint(response.json())
# 处理查询结果
if response.status_code == 200:
results = response.json()
for hit in results['hits']['hits']:
print(hit)
else:
print(f"Error: {response.status_code}")
4. 通过 DSL 对索引数据进行增删改查
DSL（Domain-Specific Language）是 Easysearch 的原生查询语言，允许用户构建复杂的查询。以下是一些示例：
# 构建 DSL 查询
dsl_query = {
"query": {
"match": {
"field": "value1"
}
}
}
# 执行 DSL 查询
response = es.search(index="my_index", body=dsl_query)
results = response.get("hits")
# 处理查询结果
if results:
for hit in results['hits']:
print(hit)
else:
print(f"Error: {response.status_code}")
插入数据
如果不指定 document ID，那么随机生成一个 ID 并写入。
doc = {"field": "value4", "another_field": 9999}
response = es.index(index="my_index", body=doc)
print(response)
更新数据
指定 ID 为 1 来手动更新索引：
doc = {"field": "value4", "another_field": 9999}
response = es.index(index="my_index", body=doc, id=1)
print(response)
更新单条数据
# 更新单条数据
update_body = {"doc": {"another_field": 50}}
response = es.update(index="my_index", id="1", body=update_body)
pprint(response)
删除数据
# 删除单条数据
response = es.delete(index="my_index", id="1")
pprint(response)
5. 索引数据 SQL 查询
创建客户端实例后，我们可以使用 sql 方法执行 SQL 查询。以下示例展示了如何执行一个简单的 SELECT 查询。
# 执行 SQL 查询
query_sql = {
"query": "SELECT * FROM my_index"
}
res = es.sql.query(body=query_sql)
pprint(res)
6. 索引数据批量操作
Bulk API 允许用户一次性对多个文档进行创建、更新或删除操作，极大提高了操作效率。以下是一些示例：
批量插入数据
# 定义批量插入数据
bulk_data = [
{"index": {"_index": "my_index"}},
{"field": "bulk_value1", "another_field": 100},
{"index": {"_index": "my_index"}},
{"field": "bulk_value2", "another_field": 200},
{"index": {"_index": "my_index"}},
{"field": "bulk_value3", "another_field": 300}
]
# 执行批量插入操作
response = es.bulk(body=bulk_data)
pprint(response)
批量更新数据
# 定义批量更新数据
bulk_update_data = [
{"update": {"_id": "1", "_index": "my_index"}},
{"doc": {"another_field": 110}},
{"update": {"_id": "2", "_index": "my_index"}},
{"doc": {"another_field": 220}}
]
# 执行批量更新操作
response = es.bulk(body=bulk_update_data)
pprint(response)
批量删除数据
# 定义批量删除数据
bulk_delete_data = [
{"delete": {"_id": "1", "_index": "my_index"}},
{"delete": {"_id": "2", "_index": "my_index"}}
]
# 执行批量删除操作
response = es.bulk(body=bulk_delete_data)
print(response)
7. 索引级别的操作
接下来，介绍索引创建、删除和检查索引是否存在操作。以下是一些示例：
创建索引
# 创建索引
index_body = {
"settings": {
"number_of_shards": 1,
"number_of_replicas": 0
},
"mappings": {
"properties": {
"field": {"type": "text"},
"another_field": {"type": "integer"}
}
}
}
response = es.indices.create(index="new_index", body=index_body)
pprint(response)
删除索引
# 删除索引
response = es.indices.delete(index="new_index")
pprint(response)
检查索引是否存在
# 检查索引是否存在
response = es.indices.exists(index="new_index")
pprint(response)
8. 总结
Easysearch 虽然没有专门的 Python SDK，但完全兼容 ES 7.x 的 Python SDK 客户端，这为开发者提供了极大的便利。通过使用 ES 7.x Python SDK，开发者可以轻松地使用 DSL 和 SQL 语法对 Easysearch 进行查询和数据操作。Easysearch 主要优势包括：
-
兼容性强：无需修改现有代码，即可从 ES 迁移到 Easysearch。
-
功能全面：支持 DSL 查询、SQL 查询、批量操作等高级功能。
-
易于使用：提供简洁明了的 API，降低学习成本。
-
高效性能：批量操作 API 大幅提高数据处理效率。
Easysearch 结合 ES 7.x Python SDK 的强大功能，为开发者提供了一个高效、灵活的大数据处理平台。无论是执行简单的 SQL 查询，还是构建复杂的 DSL 查询，都能满足各种数据分析需求。如果您正在寻找一个强大的搜索和分析解决方案，Easysearch 绝对值得一试。它不仅能帮助您更高效地处理和分析大数据集，还能为数据驱动的决策提供有力支持。
作者:韩旭，亚马逊云技术支持，亚马逊云科技技领云博主，目前专注于云计算开发和大数据领域。
关于 Easysearch 有奖征文活动
无论你是 Easysearch 的老用户，还是第一次听说这个名字，只要你对 INFINI Labs 旗下的 Easysearch 产品感兴趣，或者是希望了解 Easysearch，都可以参加这次活动。
详情查看：Easysearch 征文活动