Django中使用Elasticsearch进行搜索

本文涉及的产品
Elasticsearch Serverless通用抵扣包,测试体验金 200元
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
以电商场景为例搭建AI语义搜索应用
本实验旨在通过阿里云Elasticsearch结合阿里云搜索开发工作台AI模型服务,构建一个高效、精准的语义搜索系统,模拟电商场景,深入理解AI搜索技术原理并掌握其实现过程。
ElasticSearch 最新快速入门教程
本课程由千锋教育提供。全文搜索的需求非常大。而开源的解决办法Elasricsearch(Elastic)就是一个非常好的工具。目前是全文搜索引擎的首选。本系列教程由浅入深讲解了在CentOS7系统下如何搭建ElasticSearch,如何使用Kibana实现各种方式的搜索并详细分析了搜索的原理,最后讲解了在Java应用中如何集成ElasticSearch并实现搜索。 &nbsp;
相关文章
|
12月前
|
存储 自然语言处理 BI
从 Elasticsearch 到 Apache Doris 腾讯音乐内容库升级,统一搜索分析引擎,成本直降 80%
实现写入性能提升 4 倍、使用成本节省达 80% 的显著成效
387 1
从 Elasticsearch 到 Apache Doris 腾讯音乐内容库升级,统一搜索分析引擎,成本直降 80%
|
SQL JSON 大数据
ElasticSearch的简单介绍与使用【进阶检索】 实时搜索 | 分布式搜索 | 全文搜索 | 大数据处理 | 搜索过滤 | 搜索排序
这篇文章是Elasticsearch的进阶使用指南,涵盖了Search API的两种检索方式、Query DSL的基本语法和多种查询示例,包括全文检索、短语匹配、多字段匹配、复合查询、结果过滤、聚合操作以及Mapping的概念和操作,还讨论了Elasticsearch 7.x和8.x版本中type概念的变更和数据迁移的方法。
ElasticSearch的简单介绍与使用【进阶检索】 实时搜索 | 分布式搜索 | 全文搜索 | 大数据处理 | 搜索过滤 | 搜索排序
|
5月前
|
存储 安全 Linux
Elasticsearch Enterprise 9.0 发布 - 分布式搜索和分析引擎
Elasticsearch Enterprise 9.0 (macOS, Linux, Windows) - 分布式搜索和分析引擎
227 0
|
5月前
|
存储 Linux iOS开发
Elasticsearch Enterprise 8.18 发布 - 分布式搜索和分析引擎
Elasticsearch Enterprise 8.18 (macOS, Linux, Windows) - 分布式搜索和分析引擎
155 0
|
10月前
|
数据采集 人工智能 运维
从企业级 RAG 到 AI Assistant,阿里云Elasticsearch AI 搜索技术实践
本文介绍了阿里云 Elasticsearch 推出的创新型 AI 搜索方案
549 3
从企业级 RAG 到 AI Assistant,阿里云Elasticsearch AI 搜索技术实践
|
10月前
|
机器学习/深度学习 人工智能 运维
阿里云技术公开课直播预告:基于阿里云 Elasticsearch 构建 AI 搜索和可观测 Chatbot
阿里云技术公开课预告:Elastic和阿里云搜索技术专家将深入解读阿里云Elasticsearch Enterprise版的AI功能及其在实际应用。
512 2
阿里云技术公开课直播预告:基于阿里云 Elasticsearch 构建 AI 搜索和可观测 Chatbot
|
9月前
|
人工智能 自然语言处理 搜索推荐
云端问道12期实操教学-构建基于Elasticsearch的企业级AI搜索应用
本文介绍了构建基于Elasticsearch的企业级AI搜索应用,涵盖了从传统关键词匹配到对话式问答的搜索形态演变。阿里云的AI搜索产品依托自研和开源(如Elasticsearch)引擎,提供高性能检索服务,支持千亿级数据毫秒响应。文章重点描述了AI搜索的三个核心关键点:精准结果、语义理解、高性能引擎,并展示了架构升级和典型应用场景,包括智能问答、电商导购、多模态图书及商品搜索等。通过实验部分,详细演示了如何使用阿里云ES搭建AI语义搜索Demo,涵盖模型创建、Pipeline配置、数据写入与检索测试等步骤,同时介绍了相关的计费模式。
246 3
|
9月前
|
人工智能 算法 API
构建基于 Elasticsearch 的企业级 AI 搜索应用
本文介绍了基于Elasticsearch构建企业级AI搜索应用的方案,重点讲解了RAG(检索增强生成)架构的实现。通过阿里云上的Elasticsearch AI搜索平台,简化了知识库文档抽取、文本切片等复杂流程,并结合稠密和稀疏向量的混合搜索技术,提升了召回和排序的准确性。此外,还探讨了Elastic的向量数据库优化措施及推理API的应用,展示了如何在云端高效实现精准的搜索与推理服务。未来将拓展至多模态数据和知识图谱,进一步提升RAG效果。
328 1
|
9月前
|
数据采集 人工智能 运维
从企业级 RAG 到 AI Assistant,阿里云Elasticsearch AI 搜索技术实践
本文介绍了阿里云 Elasticsearch 推出的创新型 AI 搜索方案。
742 5
|
10月前
|
存储 人工智能 API
(Elasticsearch)使用阿里云 infererence API 及 semantic text 进行向量搜索
本文展示了如何使用阿里云 infererence API 及 semantic text 进行向量搜索。
377 8