[英]Bulk index / create documents with elasticsearch for python
我正在使用 python 生成大量具有随机内容的 elasticsearch 文档,并使用 elasticsearch -py 对它们进行索引。
简化的工作示例(只有一个字段的文档):
from elasticsearch import Elasticsearch
from random import getrandbits
es_client = Elasticsearch('https://elastic.host:9200')
for i in range(1,10000000):
document = {'my_field': getrandbits(64)}
es_client.index(index='my_index', document=document)
由于这对每个文档发出一个请求,我尝试通过使用_bulk
API 发送 1000 个文档的块来加快它的速度。但是,到目前为止我的尝试没有成功。
我从文档中了解到,您可以将可迭代对象传递给bulk()
,所以我尝试了:
from elasticsearch import Elasticsearch
from random import getrandbits
es_client = Elasticsearch('https://elastic.host:9200')
document_list = []
for i in range(1,10000000):
document = {'my_field': getrandbits(64)}
document_list.append(document)
if i % 1000 == 0:
es_client.bulk(operations=document_list, index='my_index')
document_list = []
但这导致
elasticsearch.BadRequestError: BadRequestError(400, 'illegal_argument_exception', '格式错误的操作/元数据行 [1],应为 START_OBJECT 或 END_OBJECT 但已找到 [VALUE_STRING]')
好的,我似乎混淆了两个不同的函数: helpers.bulk()
和Elasticsearch.bulk()
。 两者都可以用来实现我打算做的事情,但它们的签名略有不同。
helpers.bulk()
function 采用Elasticsearch()
object 和一个包含文档作为参数的可迭代对象。 该操作可以指定为_op_type
并且可以是index
、 create
、 delete
或update
之一。 由于_op_type
默认为index
,我们可以省略它并在这种情况下简单地传递文档列表:
from elasticsearch import Elasticsearch, helpers
from random import getrandbits
es_client = Elasticsearch('https://elastic.host:9200')
document_list = []
for i in range(1,10000000):
document = {'my_field': getrandbits(64)}
document_list.append(document)
if i % 1000 == 0:
helpers.bulk(es_client, document_list, index='my_index')
document_list = []
这很好用。
Elasticsearch.bulk()
function 可以替代使用,但动作/操作是强制性的,作为此处可迭代的一部分,语法略有不同。 这意味着我们需要有一个指定操作(在本例中"index": {}
)以及每个文档的正文的dict
,而不仅仅是包含文档内容的dict
。 另请参阅_bulk
文档:
from elasticsearch import Elasticsearch
from random import getrandbits
es_client = Elasticsearch('https://elastic.host:9200')
actions_list = []
for i in range(1,10000000):
document = {'my_field': getrandbits(64)}
actions_list.append({"index": {}, "doc": document})
if i % 1000 == 0:
es_client.bulk(operations=actions_list, index='my_index')
actions_list = []
这也很好用。
我假设以上两个在内部生成相同的_bulk
REST API 语句,所以它们最终应该是等价的。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.