python elasticsearch环境搭建详解

windows下载zip

linux下载tar

下载地址：https://www.elastic.co/downloads/elasticsearch

解压后运行：bin/elasticsearch (or bin\elasticsearch.bat on Windows)

检查是否成功：访问 http://localhost:9200

linux下不能以root用户运行，

普通用户运行报错：

java.nio.file.AccessDeniedException

原因：当前用户没有执行权限

解决方法： chown linux用户名 elasticsearch安装目录 -R

例如：chown ealsticsearch /data/wwwroot/elasticsearch-6.2.4 -R

PS：其他Java软件报.AccessDeniedException错误也可以同样方式解决，给 执行用户相应的目录权限即可

2|0代码实例

如下的代码实现类似链家网小区搜索功能。

从文件读取小区及地址信息写入es,然后通过小区所在城市code及搜索关键字 匹配到对应小区。

代码主要包含三部分内容：

1.创建索引

2.用bulk将批量数据存储到es

3.数据搜索

注意：

代码的es版本交低2.xx版本，高版本在创建的索引数据类型有所不同

#coding:utf8
from __future__ import unicode_literals
import os
import time
import config
from datetime import datetime
from elasticsearch import Elasticsearch
from elasticsearch.helpers import bulk

class ElasticSearch():
 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
   # 无用户名密码状态
   #self.es = Elasticsearch([ip])
   #用户名密码状态
   self.es = Elasticsearch([ip],http_auth=('elastic', 'password'),port=9200)
 def create_index(self,index_name="ftech360",index_type="community"):
   '''
   创建索引,创建索引名称为ott，类型为ott_type的索引
   :param ex: Elasticsearch对象
   :return:
   '''
   #创建映射
   _index_mappings = {
     "mappings": {
       self.index_type: {
         "properties": {
           "city_code": {
             "type": "string",
             # "index": "not_analyzed"
           },
           "name": {
             "type": "string",
             # "index": "not_analyzed"
           },
           "address": {
             "type": "string",
             # "index": "not_analyzed"
           }
         }
       }

}
   }
   if self.es.indices.exists(index=self.index_name) is True:
     self.es.indices.delete(index=self.index_name)
   res = self.es.indices.create(index=self.index_name, body=_index_mappings)
   print res

def build_data_dict(self):
   name_dict = {}
   with open(os.path.join(config.datamining_dir,'data_output','house_community.dat')) as f:
     for line in f:
       line_list = line.decode('utf-8').split('\t')
       community_code = line_list[6]
       name = line_list[7]
       city_code = line_list[0]
       name_dict[community_code] = (name,city_code)

address_dict = {}
   with open(os.path.join(config.datamining_dir,'data_output','house_community_detail.dat')) as f:
     for line in f:
       line_list = line.decode('utf-8').split('\t')
       community_code = line_list[6]
       address = line_list[10]
       address_dict[community_code] = address

return name_dict,address_dict

def bulk_index_data(self,name_dict,address_dict):
   '''
   用bulk将批量数据存储到es
   :return:
   '''
   list_data = []
   for community_code, data in name_dict.items():
     tmp = {}
     tmp['code'] = community_code
     tmp['name'] = data[0]
     tmp['city_code'] = data[1]

if community_code in address_dict:
       tmp['address'] = address_dict[community_code]
     else:
       tmp['address'] = ''

list_data.append(tmp)
   ACTIONS = []
   for line in list_data:
     action = {
       "_index": self.index_name,
       "_type": self.index_type,
       "_id": line['code'], #_id 小区code
       "_source": {
         "city_code": line['city_code'],
         "name": line['name'],
         "address": line['address']
         }
     }
     ACTIONS.append(action)
     # 批量处理
   success, _ = bulk(self.es, ACTIONS, index=self.index_name, raise_on_error=True)
   #单条写入 单条写入速度很慢
   #self.es.index(index=self.index_name,doc_type="doc_type_test",body = action)

print('Performed ％d actions' ％ success)

def delete_index_data(self,id):
   '''
   删除索引中的一条
   :param id:
   :return:
   '''
   res = self.es.delete(index=self.index_name, doc_type=self.index_type, id=id)
   print res

def get_data_id(self,id):
   res = self.es.get(index=self.index_name, doc_type=self.index_type,id=id)
   # # 输出查询到的结果
   print res['_source']['city_code'], res['_id'], res['_source']['name'], res['_source']['address']

def get_data_by_body(self, name, city_code):
   # doc = {'query': {'match_all': {}}}
   doc = {
     "query": {
       "bool":{
         "filter":{
           "term":{
           "city_code": city_code
           }
         },
         "must":{
           "multi_match": {
             "query": name,
             "type":"phrase_prefix",
             "fields": ['name^3', 'address'],
             "slop":1,

}

}
       }
     }
   }
   _searched = self.es.search(index=self.index_name, doc_type=self.index_type, body=doc)
   data = _searched['hits']['hits']
   return data

if __name__=='__main__':
 #数据插入es
 obj = ElasticSearch("ftech360","community")
 obj.create_index()
 name_dict, address_dict = obj.build_data_dict()
 obj.bulk_index_data(name_dict,address_dict)

#从es读取数据
 obj2 = ElasticSearch("ftech360","community")
 obj2.get_data_by_body(u'保利','510100')

来源：https://www.cnblogs.com/i-love-python/p/11443978.html