Django中使用Elasticsearch进行搜索

本文涉及的产品
检索分析服务 Elasticsearch 版,2核4GB开发者规格 1个月
简介: Django中使用Elasticsearch进行搜索

Django是一个流行的Python Web框架,Elasticsearch是一个流行的开源搜索引擎。结合Django和Elasticsearch,可以构建一个强大的搜索引擎。

下面是如何在Django中使用Elasticsearch进行搜索的步骤:

  1. 安装Elasticsearch和elasticsearch-py

首先,需要在本地安装Elasticsearch和elasticsearch-py。可以通过官网下载elasticsearch,然后通过pip安装elasticsearch-py。

  1. 安装django-elasticsearch-dsl

django-elasticsearch-dsl是一个Django应用程序,它提供了一个简化的API来访问Elasticsearch,同时还提供了一些Django扩展,如模型索引和管理器。

可以通过pip安装django-elasticsearch-dsl:

pip install django-elasticsearch-dsl
  1. 配置Django项目

接下来,需要在Django项目的settings.py文件中进行配置。添加以下内容:

ELASTICSEARCH_DSL = {
    'default': {
        'hosts': 'localhost:9200'
    },
}

这将指定默认的Elasticsearch主机和端口。

还需要在INSTALLED_APPS中添加django_elasticsearch_dsl和django_extensions:

INSTALLED_APPS = [
    # ...
    'django_elasticsearch_dsl',
    'django_extensions',
    # ...
]
  1. 创建索引

要使用Elasticsearch进行搜索,需要先创建索引。这可以通过在Django模型中定义索引来完成。以下是一个示例:

from django_elasticsearch_dsl import Document, Index, fields
from myapp.models import MyModel
my_model_index = Index('my_model_index')
@my_model_index.document
class MyModelDocument(Document):
    field1 = fields.TextField()
    field2 = fields.DateField()
    field3 = fields.IntegerField()
    class Django:
        model = MyModel

在上面的代码中,定义了一个名为my_model_index的索引,将Django模型MyModel与该索引关联。

还定义了三个字段(field1,field2和field3),这些字段将从MyModel模型中检索数据。

最后,定义了一个名为Django的内部类,这个类指定了MyModel模型。

  1. 同步索引

索引定义好后,需要同步到Elasticsearch。可以使用以下命令进行同步:

python manage.py search_index --rebuild

该命令会删除所有索引并重新创建它们。

  1. 编写搜索视图

现在可以在Django中编写搜索视图了。以下是一个示例:

from django.shortcuts import render
from django.views import View
from django_elasticsearch_dsl import Search
from myapp.documents import MyModelDocument
class MySearchView(View):
    def get(self, request):
        query = request.GET.get('q')
        s = Search().query('multi_match', query=query, fields=['field1', 'field2', 'field3'])
        response = s.execute()
        results = [hit for hit in response.hits.hits]
        return render(request, 'search_results.html', {'results': results})

在上面的代码中,首先获取查询字符串。然后创建一个Search对象,并使用multi_match查询搜索所有字段。

最后,执行搜索并将结果返回给模板。

  1. 创建搜索模板

最后,需要创建一个模板来显示搜索结果。以下是一个示例:

{% extends 'base.html' %}
{% block content %}
    {% if results %}
        <ul>
            {% for hit in results %}
                <li>
                    <a href="{{ hit._source.url }}">{{ hit._source.title }}</a>
                </li>
            {% endfor %}
        </ul>
    {% else %}
        <p>No results found.</p>
    {% endif %}
{% endblock %}

在上面的代码中,使用for循环遍历搜索结果并显示它们的标题和URL。

到此为止,已经完成了在Django中使用Elasticsearch进行搜索的过程。

相关实践学习
使用阿里云Elasticsearch体验信息检索加速
通过创建登录阿里云Elasticsearch集群,使用DataWorks将MySQL数据同步至Elasticsearch,体验多条件检索效果,简单展示数据同步和信息检索加速的过程和操作。
ElasticSearch 入门精讲
ElasticSearch是一个开源的、基于Lucene的、分布式、高扩展、高实时的搜索与数据分析引擎。根据DB-Engines的排名显示,Elasticsearch是最受欢迎的企业搜索引擎,其次是Apache Solr(也是基于Lucene)。 ElasticSearch的实现原理主要分为以下几个步骤: 用户将数据提交到Elastic Search 数据库中 通过分词控制器去将对应的语句分词,将其权重和分词结果一并存入数据 当用户搜索数据时候,再根据权重将结果排名、打分 将返回结果呈现给用户 Elasticsearch可以用于搜索各种文档。它提供可扩展的搜索,具有接近实时的搜索,并支持多租户。
相关文章
|
4月前
|
安全 Linux 开发工具
Elasticsearch 搜索入门技术之一
Elasticsearch 搜索入门技术之一
228 1
|
4月前
|
存储 JSON 自然语言处理
Elasticsearch 利用API进行搜索
Elasticsearch 利用API进行搜索
36 0
|
4月前
|
存储 缓存 数据库
PB数据毫秒级搜索之Elasticsearch(二)基础了解
PB数据毫秒级搜索之Elasticsearch(二)基础了解
95 0
|
5月前
|
搜索推荐 Java 数据处理
Elasticsearch搜索分析引擎本地部署与远程访问
Elasticsearch搜索分析引擎本地部署与远程访问
|
3月前
|
JSON Prometheus Cloud Native
Grafana 系列 - 统一展示 -8-ElasticSearch 日志快速搜索仪表板
Grafana 系列 - 统一展示 -8-ElasticSearch 日志快速搜索仪表板
|
7月前
|
存储 关系型数据库 数据库
ElasticSearch深度解析入门篇:高效搜索解决方案的介绍与实战案例讲解,带你避坑
ElasticSearch深度解析入门篇:高效搜索解决方案的介绍与实战案例讲解,带你避坑
ElasticSearch深度解析入门篇:高效搜索解决方案的介绍与实战案例讲解,带你避坑
|
2天前
|
存储 自然语言处理 搜索推荐
分布式搜索引擎ElasticSearch
Elasticsearch是一款强大的开源搜索引擎,用于快速搜索和数据分析。它在GitHub、电商搜索、百度搜索等场景中广泛应用。Elasticsearch是ELK(Elasticsearch、Logstash、Kibana)技术栈的核心,用于存储、搜索和分析数据。它基于Apache Lucene构建,提供分布式搜索能力。相比其他搜索引擎,如Solr,Elasticsearch更受欢迎。倒排索引是其高效搜索的关键,通过将词条与文档ID关联,实现快速模糊搜索,避免全表扫描。
20 2
|
5天前
|
SQL 监控 搜索推荐
Elasticsearch 与 OpenSearch:开源搜索技术的演进与选择
Elasticsearch 与 OpenSearch:开源搜索技术的演进与选择
33 2
|
5天前
|
人工智能 程序员 开发者
Elasticsearch 中文社区的转型后,搜索人怎么破局?
Elasticsearch 中文社区的转型后,搜索人怎么破局?
11 0
|
5天前
|
存储 机器学习/深度学习 API
高维向量搜索:在 Elasticsearch 8.X 中利用 dense_vector 的实战探索
高维向量搜索:在 Elasticsearch 8.X 中利用 dense_vector 的实战探索
21 0
高维向量搜索:在 Elasticsearch 8.X 中利用 dense_vector 的实战探索