创建 Elasticsearch 索引

Elasticsearch 中两个非常重要的概念是文档和索引。

文档是字段及其相关值的集合。要使用 Elasticsearch，您必须将数据整理成文档，然后将所有文档添加到索引中。你可以把索引看作是以高度优化的格式存储的文件集合，旨在执行高效搜索。

如果您使用过其他数据库，您可能会知道许多数据库都需要一个模式定义，这基本上是对要存储的所有字段及其类型的描述。Elasticsearch 索引可以根据需要配置模式，也可以从数据本身自动导出模式。在本节中，您将让 Elasticsearch 自行找出模式，这对于文本、数字和日期等简单数据类型非常有效。稍后，在介绍了更复杂的数据类型后，您将学习如何提供显式模式定义。

创建索引

这就是使用 Python 客户端库创建 Elasticsearch 索引的方法：

在本例中，self.es 是Elasticsearch 类的实例，在本教程中，该实例存储在search.py 中的Search 类中。Elasticsearch 部署可用于存储多个索引，每个索引由一个名称标识，如上面例子中的my_documents 。

还可以删除索引：

如果尝试创建的索引名称已分配给现有索引，则会出现错误。有时，创建索引时，如果存在索引的前一个实例，则自动删除该实例是非常有用的。这在开发应用程序时尤其有用，因为您可能需要多次重新生成索引。

让我们在search.py 中添加一个create_index() 辅助方法。在代码编辑器中打开该文件，在底部添加以下代码，保持现有内容不变：

create_index() 方法首先删除名称为my_documents 的索引。ignore_unavailable=True 选项可防止在找不到索引名称时调用失败。该方法中的下一行将创建一个全新的索引，并使用相同的名称。

将文件添加到索引

在 Python 的 Elasticsearch 客户端库中，文档表示为键/值字段的字典。具有字符串值的字段会自动编入索引，以便进行全文和关键字搜索，但除了字符串外，您还可以使用数字、日期和布尔等其他字段类型，这些字段也会编入索引，以便进行过滤等高效操作。您还可以构建复杂的数据结构，将字段设置为包含子项的列表或字典。

• 了解有关 Elasticsearch 类型的更多信息

要将文档插入索引，需要使用 Elasticsearch 客户端的index() 方法。例如

index() 方法的返回值是 Elasticsearch 服务返回的响应。此响应中返回的最重要信息是一个键名为_id 的项，代表文档插入索引时分配给它的唯一标识符。该标识符可用于检索、删除或更新文件。

既然知道了如何插入文档，让我们继续在search.py 中建立一个有用的助手库、Search 的insert_document() 方法。在search.py 的底部添加此方法：

该方法接受来自调用者的 Elasticsearch 客户端和文档，并将文档插入my_documents 索引，返回服务的响应。

从 JSON 文件摄入文件

在建立新的 Elasticsearch 索引时，您可能需要导入大量文件。在本教程中，启动项目包括一个data.json文件，其中包含一些 JSON 格式的数据。在本节中，您将学习如何将该文件中包含的所有文件导入索引。

包含在data.json中的文件结构如下：

• name文件标题
• url：外部网站托管文件的 URL
• summary文件内容简介
• content：文件正文
• created_on创建日期
• updated_at：更新日期（如果文件从未更新，则可能缺失）
• category文件类别：文件的类别，可以是github 、sharepoint 或 teams
• rolePermissions：角色权限列表

此时，我们建议您在编辑器中打开data.json，以熟悉将要处理的数据。

从本质上讲，导入大量文件与在 for 循环中导入一个文件没有区别。要导入data.json文件的全部内容，可以这样做：

虽然这种方法行之有效，但却不能很好地扩展。如果要插入大量文件，就需要调用 Elasticsearch 服务的次数。遗憾的是，每次 API 调用都会产生性能成本，而且服务还设置了费率限制，无法快速进行大量调用。因此，最好使用 Elasticsearch 服务的批量插入功能，该功能允许在单个 API 调用中向服务传达多个操作。

insert_documents() 方法，并将其添加到search.py 的底部、使用bulk() 方法在一次调用中插入所有文件：

该方法接受一个文件列表。它没有单独添加每个文档，而是将其组合成一个名为operations 的列表，然后将该列表传递给bulk() 方法。每份文件都有两个条目被添加到operations 列表中：

• 说明要执行的操作，设置为index ，索引名称作为参数给出。
• 文件的实际数据

处理批量请求时，Elasticsearch 服务会从头开始遍历操作列表，并执行所请求的操作。

• 在文档中了解有关 bulk() 方法的更多信息

重新生成索引

在学习本教程时，您需要多次重新生成索引。为简化这一操作，请在search.py 中添加reindex() 方法：

该方法结合了之前创建的create_index() 和insert_documents() 方法，因此只需一次调用就能销毁旧索引（如果存在），并建立和重新填充新索引。

为了更方便地调用该方法，让我们通过flask 命令来公开它。在代码编辑器中打开app.py，在底部添加以下函数：

@app.cli.command() 装饰器告诉 Flask 框架将此函数注册为自定义命令，该命令将以flask reindex 的形式提供。命令名称取自函数名称，此处包含 docstring 是因为 Flask 在--help 文档中使用了它。

reindex() 函数的响应又是 Elasticsearch 客户端bulk() 方法的响应，其中包含一些有用的项目，可用于构建漂亮的状态信息。其中，response['took'] 是以毫秒为单位的调用持续时间，response['items'] 是每个操作的单个结果列表，实际上并不直接有用，但该列表的长度提供了插入文件的计数。

在终端会话中运行flask --help ，确保 Python 虚拟环境已激活（如果终端会话仍在运行 Flask 应用程序，可以打开第二个终端窗口），看看效果如何。在帮助屏幕的末尾，你会看到reindex 选项与 Flask 框架提供的其他选项一起作为可用命令出现：

现在，当你想生成一个干净的索引时，只需运行flask reindex 。