基于Python实现的Elasticsearch批量操作客户端
by:授客 QQ：1033553122
1． 代码用途 1
2． 测试环境 1
3． 使用方法 1
3.1 配置ES服务器信息 1
3.2 配置ES操作数据 2
3.2.1 批量插入数据 2
3.2.2批量更新文档字段值|新增字段值 4
3.2.3 批量删除 7
3.2.4 批量去除冗余(重复)的数据 8
3.2.5 批量复制数据 9
3.3 运行程序 10
1．代码用途
Elasticsearch客户端，目的在于实现批量操作，如下：
<1> 批量插入数据
<2> 批量更新文档字段值
<3> 批量新增文档字段值
<4> 批量删除数据
<5> 批量复制数据
<6> 批量去除冗余数据
2．测试环境
Win7 64位
Python 3.3.2
Win elasticsearch-5.4.1
chardet-2.3.0
下载地址1：https://pypi.python.org/pypi/chardet/
下载地址2：http://pan.baidu.com/s/1nu7XzjN
3．使用方法
3.1 配置ES服务器信息
编辑配置文件conf/hostconfig
[DESTHOSTCONFIG]
host = 127.0.0.1
port = 9200
protocol = http
[SRCHOSTCONFIG]
host = 127.0.0.1
port = 9200
protocol = http
[README]
host = Elasticsearch所在服务器IP地址
port = Elasticsearch访问端口
protocol = 暂且固定为http
说明：
[DESTHOSTCONFIG]： 该节点下配置需要执行批量插入，批量更新文档，批量删除，批量复制时的ES主机信息
[SRCHOSTCONFIG]：该节点下配置需要复制ES数据的数据源主机信息，即从该节点下的ES主机复制到[DESTHOSTCONFIG]下的主机，两者可以是同一台主机
host = Elasticsearch所在服务器IP地址
port = Elasticsearch访问端口
protocol = 暂且固定为http
3.2 配置ES操作数据
3.2.1 批量插入数据
编辑配置文件conf/runconfig.txt
[RUNCONFIG]
runtimes = 1
说明：
runtimes = 执行批量插入时，每组数据会被重复执行的次数，总插入记录数=runtimes x 数据组数
编辑配置文件conf/esdataconfig_insertdata.txt
[INSERTDATA]
index= business_chance
type = customer_num1
{
"group_customer_code": "1",
"second_class": "服装||手机||水果",
"customer_num": 100||200||300,
"province": "广东省||福建省||云南省",
"branch": "品牌1||品牌2"
}
end
{
"group_customer_code": "2",
"second_class": "服装",
"customer_num": 400,
"province": "广东省",
"branch": "品牌3"
}
end
type = customer_num2
{
"group_customer_code": "1",
"second_class": "服装",
"customer_num": 600,
"province": "广东省",
"branch": "品牌",
"rank":1
}
end
index= business_index
type = customer_type
{
"group_customer_code": "1",
"second_class": "服装",
"customer_num": 600,
"province": "广东省",
"branch": "品牌2",
"rank":1
}
end
说明：
[INSERTDATA] ------------->固定值
index= 索引名称，不能为空
type = 类型名称，不可为空
{
"group_customer_code": "1",
"second_class": "服装||手机||水果",
"customer_num": 100||200||300,
"province": "广东省||福建省||云南省",
"branch": "品牌1||品牌2"
}
end
需要提交的一组数据，没组数据遵守json格式，后面一定要跟“end” 表示数据范围结束
"second_class": "服装||手机||水果",
1）如果有多个参数值，以 || 分隔，运行时程序随机选取一个
2）参数值如果是字符串类型，加以英文双引号"，否则不加双引号
从上往下，
1）如果已填写index，需要切换文档类型，可直接另起一行，如下
type = customer_num2
表示接下来的数据组插入到该文档类型，直到遇到其它索引、文档类型
2）如果需要提交到其它新的索引，可直接另起一行，填写新的索引和类型，如下
index= business_index
type = customer_type
表示接下来的数据组插入到新索引名称下的新索引类型中
3.2.2批量更新文档字段值|新增字段值
编辑配置文件conf/esdataconfig_updatefield.txt
[UPDATEFIELD]
index=business_chance
type = customer_num1
查询=
{
"query": {
"match_phrase": {
"province": "广东省"
}
},"size":150
}
end
{
"branch": "品牌99||品牌66",
"customer_num": 900||888
}
end
type = customer_num2
查询=
{
"query": {
"match_all": {}
},
"size": 100
}
end
{
"branch": "品牌999",
"customer_num": 990
}
end
index= business_index
type = customer_type
查询=
{
"query": {
"match_all": {}
},
"size": 100
}
end
{
"branch": "品牌666",
"customer_num": 666
}
end
说明：
[UPDATEFIELD] ------------>固定值
index= 需要更新记录所在索引名称，不可为空
type = 需要更新记录所在文档类型，不可为空
查询={……} 仅更新满足查询条件的结果，不可为空
查询=
{
"query": {
"match_phrase": {
"province": "广东省"
}
},
"size":150
}
end
这里的逻辑是这样的：先“查询”，再对查询出来的每条记录进行更新
注意：
不使用size参数的话，ES默认仅仅会返回10条记录，程序仅会对返回的记录数进行更新，所以，如果需要更新的记录数大于10条，需要通过"size"参数，显示控制ES返回的记录数，比如“需要更新的记录数有150条，则size的值要设置大于等于150”（下同，不在赘述）
参数数据组
{
"branch": "品牌99||品牌66",
"customer_num": 900||888
}
end
同批量插入
1）如果有多个参数值，以 || 分隔，运行时程序随机选取一个
2）参数值如果是字符串类型，加以英文双引号"，否则不加双引号
从上往下，
1）如果已填写index，需要切换文档类型，可直接另起一行，如下
type = customer_num2
表示接下来的数据组更新，只更新归属该文档类型的记录，直到遇到其它索引、文档类型
3）如果需要更新归属其它新索引的记录，可直接另起一行，填写新的索引和类型，如下
index= business_index
type = customer_type
表示接下来的数据组只更新新索引名称下的新索引类型中的记录，直到遇到其它索引、文档类型
同批量插入，查询，参数数据组，都必须跟 end，表示数据范围结束
另外，需要注意的是：“查询”，必须位于参数数组上方，索引类型下方
批量新增文档字段：如果填写的字段不存在，则会新增字段及对应值
3.2.3 批量删除
编辑配置文件conf/esdataconfig_deletedata.txt
[DELETEDATA]
index= business_chance
type = customer_num1
查询=
{
"query": {
"match_phrase": {
"province": "广东省"
}
}
}
end
index= business_index
type = customer_type
{
"query": {
"match_phrase": {
"province": "广东省"
}
}
}
end
说明：
[DELETEDATA] --------固定值
index= 要删除记录所在索引
type = 要删除记录所在类型
查询={……} 仅更新满足查询条件的结果，不可为空
查询=
{
"query": {
"match_phrase": {
"province": "广东省"
}
}
}
end
这里的逻辑是这样的：如先“查询”，再对查询出来的每条记录(ES实际返回的记录)进行删除
其它说明同上
3.2.4 批量去除冗余(重复)的数据
编辑配置文件conf/esdataconfig_deduplicatedata.txt
[DEDUPLICATEDATA]
index= business_index
type = customer_num2
查询=
{
"query": {
"match_phrase": {
"province": "广东省"
}
},
"size":100
}
end
type = customer_type
查询=
{
"query": {
"match_all": {}
},
"size": 100
}
end
index= business_chance
type = customer_num1
查询=
{
"query": {
"match_all": {}
},
"size": 100
}
end
注意：
这里的查询不能为空，一定要填写
这里的实现逻辑是这样的：先查询，然后删除查询出来的全部记录，最后再把不重复的记录写回到ES中。
其它说明同上
3.2.5 批量复制数据
编辑配置文件conf/esdataconfig_copydata.txt
[COPYDATA]
index= business_chance
type = customer_num1
查询=
{
"query": {
"match_phrase": {
"province": "广东省"
}
}
}
end
type = customer_num2
查询=
{
"query": {
"match_phrase": {
"province": "广东省"
}
}
}
end
格式基本同上述的批量更新文档的配置，多少有点不一样，需要注意如下：
1) 这里的index,type分别为数据源所在的索引和类型，即需要从该索引和类型中复制数据到目标索引和类型，不能为空
index= business_chance
type = customer_num1
2）条件= 配置需要“复制数据到”的目标索引，和目标类型，如下，以逗号分隔，一个条件仅仅支持一个目标index和type
条件 = index = business_index , type = customer_num2
end
条件和查询都不能为空。
这里的实现逻辑是这样的：对数据源所在的index, type通过“查询”得到要复制的数据，然后根据“条件”设置的目标索引和类型名，复制到对应目标主机上的目标索引，目标类型中。
说明：重复复制，会生成重复数据
如果觉得麻烦，以上几个数据配置的内容，可以写在一个文件里，但是必须按格式填写
3.3 运行程序
cmd进入ESBatchOperator根目录(main.py所在目录)
python main.py
按提示，输入数字编号 1、2、3、4、5，回车运行
源码下载地址：基于Python实现的Elasticsearch批量操作客户端