Elasticsearch-py: guía para trabajar con Elasticsearch en Python

Introducción

Elasticsearch es un potente sistema de búsqueda distribuido basado en Apache Lucene, diseñado para búsqueda de texto completo, registro de eventos, monitoreo y análisis de grandes volúmenes de datos. Para integrarlo con Python se utiliza el cliente oficial elasticsearch-py, que brinda acceso completo a todas las API de Elasticsearch desde código Python.

La librería elasticsearch-py permite a los desarrolladores implementar búsquedas avanzadas, agregaciones y procesamiento de grandes volúmenes de datos directamente en aplicaciones Python, incluyendo servicios web, herramientas analíticas y sistemas de monitoreo.

Descripción de la librería elasticsearch-py

Elasticsearch-py es el cliente oficial de Python para trabajar con Elasticsearch. La librería proporciona acceso de bajo nivel a todas las funciones de Elasticsearch a través de la API RESTful, ofreciendo una interfaz Python cómoda y eficiente.

Características principales de la librería:

• Soporte oficial: Desarrollada y mantenida por el equipo de Elastic
• Compatibilidad total: Soporta todas las versiones de Elasticsearch
• Detección automática de nodos: Puede detectar y conectarse automáticamente a los nodos del clúster
• Pool de conexiones: Gestión eficiente de las conexiones con el clúster
• Manejo de errores: Sistema integrado de gestión de excepciones
• Serialización: Conversión automática de objetos Python a JSON

Instalación y conexión al clúster

Instalación

pip install elasticsearch

Para trabajar con certificados SSL:

pip install elasticsearch[async]

Conexión a un clúster local

from elasticsearch import Elasticsearch

es = Elasticsearch("http://localhost:9200")

Conexión a un clúster remoto con autenticación

es = Elasticsearch(
    "https://your-cluster:9200",
    basic_auth=("user", "password"),
    verify_certs=True
)

Conexión usando claves API

es = Elasticsearch(
    "https://your-cluster:9200",
    api_key="your_api_key",
    verify_certs=True
)

Conexión a múltiples nodos

es = Elasticsearch(
    [
        "https://node1:9200",
        "https://node2:9200",
        "https://node3:9200"
    ],
    basic_auth=("user", "password")
)

Conceptos fundamentales de Elasticsearch

• Índice — equivalente a una tabla en bases de datos relacionales, contiene documentos con estructura similar
• Documento — objeto JSON almacenado en un índice, equivalente a un registro en una tabla
• Campo — atributo de un documento, equivalente a una columna en una tabla
• Mapeo (mapping) — descripción de la estructura del documento y los tipos de campos
• Shard — unidad física de almacenamiento de datos del índice
• Réplica — copia de un shard para garantizar tolerancia a fallos

Gestión de índices

Creación de índices y esquemas

mapping = {
    "mappings": {
        "properties": {
            "title": {"type": "text", "analyzer": "spanish"},
            "tags": {"type": "keyword"},
            "published": {"type": "date"},
            "content": {"type": "text"},
            "author": {"type": "keyword"},
            "views": {"type": "integer"}
        }
    },
    "settings": {
        "number_of_shards": 1,
        "number_of_replicas": 0
    }
}

es.indices.create(index="articles", body=mapping)

Eliminación de un índice

es.indices.delete(index="articles")