全文索引之python操作elasticsearch数据及图表分析

前言:

    例行公事,有些人可能不太了解elasticsearch,下面搜了一段,大家瞅一眼。


Elasticsearch是一款分布式搜索引擎,支持在大数据环境中进行实时数据分析。它基于Apache Lucene文本搜索引擎,内部功能通过ReST API暴露给外部。除了通过HTTP直接访问Elasticsearch,还可以通过支持Java、JavaScript、Python及更多语言的客户端库来访问。它也支持集成Apache Hadoop环境。Elasticsearch在有些处理海量数据的公司中已经有所应用,如GitHub、Foursquare和SoundCloud等。


elasticsearch 他对外提供了rest的http的接口,貌似很强大的样子。 但是咱们的一些数据平台市场会对于elasticsearch的数据进行分析,尤其是实时分析。 当然不能用 http的方式。 比如官网的demo提供的例子:


下面是查询,/ceshi 是索引,rui是type,搜索的内容是,title是jones的。

curl http://vim.xiaorui.cc:9200/ceshi/rui/_search?q=title:jones&size=5&pretty=true

添加数据

curl -X POST      -d '{      "title": "jones",      "amount": 5.7    }'

1.x之后,貌似不能直接curl,

注意,唯一标识符是放置在URL中而不是请求体中。如果您忽略这个标识符,搜索会返回一个错误,类似如下:

 No handler found for uri [/ceshi/rui/] and method [PUT]

发现用0.90.x的人,还是很多的~

当然在python里面,咱们可以用urllib2来搞数据。


#xiaorui.cc
import urllib2
import urlib
import json
 
 
url = 'http://vim.xiaorui.cc:9200/ceshi/rui'
data = {
    'title': 'jones',
    'amount': 5.7
    }
 
data = json.dumps(data)
 
req = urllib2.Request(url, data, headers)
out = urllib2.urlopen(req)
print out.read()

但是这样的话,速度明显有点慢,官方提供了更加快速更方便的方法。

>>> from datetime import datetime

>>> from elasticsearch import Elasticsearch

# 连接elasticsearch 的端口,默认是9200

>>> es = Elasticsearch()

# 创建索引,索引的名字是my-index, 如果已经存在了,就给个400

>>> es.indices.create(index=’my-index’, ignore=400)

{u’acknowledged’: True}

# 插入

>>> es.index(index=”my-index”, doc_type=”test-type”, id=42, body={“any”: “data”, “timestamp”: datetime.now()})

{u’_id’: u’42’, u’_index’: u’my-index’, u’_type’: u’test-type’, u’_version’: 1, u’ok’: True}

# 查询

>>> es.get(index=”my-index”, doc_type=”test-type”, id=42)[‘_source’]

{u’any’: u’data’, u’timestamp’: u’2013-05-12T19:45:31.804229′}

其实熟悉mongodb的人,再看elasticsearch的语法,会发现非常的熟悉。

res = es.search(
    index='belajar',
    doc_type='pesan',
    body={
      'query': {
        'range': {
          'postDate': {
              'from':'20100101', 'to':'20140101'
          }
        }
      }
    }
)

上面的意思是,查询这个时间段里面的数据。

res = es.search(
    index='belajar',
    doc_type='pesan',
    body={
      'query': {
        'match': {
          'user': 'xiaorui'
        }
      }
    }
)

上面是精确的匹配,匹配user值为 xiaorui 的数据。

一些详细的语法就不在描述了,大家看下官方的文档,然后再python引用就行了。

下面的数据,是我用python的elasticsearch库,打的随机数据。  关键是kibana会把es里面的数据,相应的统计好的。

wKioL1OKuNyASriYAAJVytUU3Xk029.jpg

curl -XGET 'http://10.10.10.66:9200/_all/_search?pretty' -d '{
  "facets": {
    "0": {
      "date_histogram": {
        "field": "@timestamp",
        "interval": "1m"
      },
      "global": true,
      "facet_filter": {
        "fquery": {
          "query": {
            "filtered": {
              "query": {
                "query_string": {
                  "query": "*"
                }
              },
              "filter": {
                "bool": {
                  "must": [
                    {
                      "match_all": {}
                    }
                  ]
                }
              }
            }
          }
        }
      }
    }
  },
  "size": 0
}'



wKiom1OKuRaiE0KeAAOsPXk8l3I020.jpg

支持很多的语法,可以随意的query查询,你想要的组合数据。

wKioL1OLEvOxr1a_AAEoe60ImUQ878.jpg

还可以多条件查询

wKioL1OLFleQtjx1AAJuetRLjRU990.jpg


其中遇到了一个问题,kibana3 时间貌似是UTC的,图表显示的时候,总是差距8个小时,需要调整源码,改成北京时间。

其实对我来说,我还是更喜欢用mongodb,他的bjson,让我爽到天,哈 ! 要是量大的话,用mongodb的分片,elasticsearch的dsl语法,还是让我有些看不下去。 我这里正在做通知平台,以前都是把数据放在mongodb,然后用各种图表展示。  我发现kibana很绚丽,就在研究kibana的一些个特性, 他只是为elasticsearch存在的。 所以大家也不要在尝试改掉kibana,直接把数据插入到elasticsearch,然后通过kibana显示就行了。


大家觉得文章对你有些作用! 如果想赏钱,可以用微信扫描下面的二维码,感谢!
另外再次标注博客原地址  xiaorui.cc

4 Responses

  1. 1 2015年9月28日 / 下午3:59

    面挺广

  2. 1 2015年9月28日 / 下午3:58

    啥都搞

  3. wss8848 2015年1月26日 / 上午10:51

    请问您是如何调整相差8小时的呢?

发表评论

邮箱地址不会被公开。 必填项已用*标注