python之elasticsearch分页查询、转化df+多线程

背景:数据平台的数据存储用的elasticsearch,之前用的是scroll分页,一次1000条 ,网上文档大多是采用这个查询方式,在数据查询返回量达到几十万时,请求直接失败。所以考虑用多线程的方式优化,scroll分页要求每次游标要连续,不能叠加多线程方法,这里我们采用from-size分页+多线程,上代码。

import queue
import threading
import pandas as pd
from pandas.io.json import json_normalize
from elasticsearch import Elasticsearch

q =queue.Queue()
results,threads,subject,ids,threads1=[],[],[],[],[]
tb=subject=pd.DataFrame()
es = Elasticsearch(['*****'], port=*****)  ##连接es
index = 'xxxxx'  

def es_to_df(results):##es查询结果解析成df
   ###具体可见:[https://www.jianshu.com/p/a84772b994a0](https://www.jianshu.com/p/a84772b994a0)

    tb = pd.DataFrame(results)
    source_list = tb['_source'].to_list()
    data = tb.loc[0, '_source']

    lst = []
    mixlst = []
    for key, value in data.items():
        if isinstance(value, list):
            lst.append(key)
        elif isinstance(value, dict):
            for j in data[key].keys():
                dd2 = []
                dd2.append(key)
                dd2.append(j)
                mixlst.append(dd2)
        else:
            mixlst.append(key)
    big_df = json_normalize(source_list, lst, mixlst)
    big_df.columns = [i.split('.')[1] if len(i.split('.')) > 1 else i for i in big_df.columns]
    return big_df
 


def get_total(): ###获取结果总数,只需替换query部分
    query_model="""
     { 
        "from":%s,
        "size": 1000, 
        "track_total_hits": "true",
        "query": {
                  "bool": {
                    "must": [{"range": {"xxxx": {"gt": "7"}}}]
                          }
                 }
    }
    """
    re=es.search(index=index,body=query_model%(0)) 
    total = re['hits']['total']['value']
    return total 

def get_search_re(i):##分页查询模版
    query_model="""
     { 
        "from":%s,
        "size": 1000, 
        "track_total_hits": "true",
        "query": {
                  "bool": {
                    "must": [{"range": {"xxxx": {"gt": "7"}}}]
                          }
                 }
    }
    """
    re=es.search(index=index,body=query_model%(i))
    result = re['hits']['hits'] 
    total = re['hits']['total']['value']
    q.put(result)
    
 
total=get_total()
for i in range(0,total,1000):
    t = threading.Thread(target=get_search_re, args=(i,))
    t.start()
    threads.append(t)
for i in threads:
    i.join()
     
while not q.empty():
    results = results + q.get() 
re = es_to_df(results)

⛽️

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,530评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 86,403评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,120评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,770评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,758评论 5 367
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,649评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,021评论 3 398
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,675评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,931评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,659评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,751评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,410评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,004评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,969评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,203评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,042评论 2 350
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,493评论 2 343