環境依賴：

　　Python：2.7 
　　ES依賴包：pyelasticsearch 

　本文主要就ES基本的CRUD操作做以歸納整理，ES官方對Python的依賴支援有很多，eg：pyelasticsearch、ESClient、elasticutils、pyes、rawes、Surfiki Refine等。博主在工作中只涉及到了pyelasticsearch，所以本文主要就該依賴做說明，其他的依賴包可詳見官網。 
　pyelasticsearch依賴包的安裝命令：pip install elasticsearch

　pyelasticsearch依賴所提供的介面不是很多，下面主要從單一操作和批量操作兩大類做以討論和分析。

單一操作

插入 
　　create：必須指定待查詢的idnex、type、id和查詢體body；缺一不可，否則報錯 
　　index：相比於create，index的用法就相對靈活很多；id並非是一個必選項，如果指定，則該文件的id就是指定值，若不指定，則系統會自動生成一個全域性唯一的id賦給該文件。 
eg：

body = {"name": 'lucy', 'sex': 'female', 'age': 10}
es = Elasticsearch(['localhost:9200'])
es.index(index='indexName', doc_type='typeName', body, id=None)
 

刪除 
　　delete：刪除指定index、type、id的文件

es.delete(index='indexName', doc_type='typeName', id='idValue')

查詢 
　　get：獲取指定index、type、id所對應的文件

es.get(index='indexName', doc_type='typeName', id='idValue')

更新 
　　update：跟新指定index、type、id所對應的文件 
　　

es.update(index='indexName', doc_type='typeName', id='idValue', body={待更新欄位})
 

批量操作

條件查詢 
　　search：查詢滿足條件的所有文件，沒有id屬性，且index，type和body均可為None。 
　　body的語法格式必須符合DSL（Domain Specific Language ）格式

query = {'query': {'match_all': {}}}# 查詢所有文件

query = {'query': {'term': {'name': 'jack'}}}# 查詢名字叫做jack的所有文件

query = {'query': {'range': {'age': {'gt': 11}}}}# 查詢年齡大於11的所有文件

allDoc = es.search(index='indexName', doc_type='typeName', body=query)

print allDoc['hits']['hits'][0]# 返回第一個文件的內容

條件刪除 
　　delete_by_query：刪除滿足條件的所有資料，查詢條件必須符合DLS格式

query = {'query': {'match': {'sex': 'famale'}}}# 刪除性別為女性的所有文件

query = {'query': {'range': {'age': {'lt': 11}}}}# 刪除年齡小於11的所有文件

es.delete_by_query(index='indexName', body=query, doc_type='typeName')

條件更新 
　　update_by_query：更新滿足條件的所有資料，寫法同上刪除和查詢

批量插入、刪除、更新 
　　bulk：在這重點和大家聊聊bulk方法，前面的所有方法都很簡單，唯獨這個bulk在筆者開始接觸的時候，花費了不少時間；這個方法可以同時執行多個操作，單隻請求一次，從而在批量操作的時候，可以很大程度上減少程式系統開銷。此外，bulk不僅可以一次性批量執行插入、或者刪除操作，還可以在一次請求中，既可以插入、又可以刪除和更新操作。 
　　但是需要注意的是，任何一種操作都有固定的文件格式，只有完全符合該格式要求，才可執行成功。廢話不多說，直接上程式碼：

 doc = [
     {"index": {}},
     {'name': 'jackaaa', 'age': 2000, 'sex': 'female', 'address': u'北京'},
     {"index": {}},
     {'name': 'jackbbb', 'age': 3000, 'sex': 'male', 'address': u'上海'},
     {"index": {}},
     {'name': 'jackccc', 'age': 4000, 'sex': 'female', 'address': u'廣州'},
     {"index": {}},
     {'name': 'jackddd', 'age': 1000, 'sex': 'male', 'address': u'深圳'},
 ]
 doc = [
    {'index': {'_index': 'indexName', '_type': 'typeName', '_id': 'idValue'}}
    {'name': 'jack', 'sex': 'male', 'age': 10 }
    {'delete': {'_index': 'indexName', '_type': 'typeName', '_id': 'idValue'}}
    {"create": {'_index' : 'indexName', "_type" : 'typeName', '_id': 'idValue'}}
    {'name': 'lucy', 'sex': 'female', 'age': 20 }
    {'update': {'_index': 'indexName', '_type': 'typeName', '_id': 'idValue'}}
    {'doc': {'age': '100'}}
 ]
 es.bulk(index='indexName'，  doc_type='typeName', body=doc)

　　通過上面兩個例子可以看出，在用bulk在批量操作的時候，對於不同的操作型別，一定要與之對應一個操作頭資訊（eg：{“index”: {}}， {‘delete’: {…}}， …），否則會報TransportError（400, u’illegal_argument_exception’）的錯誤。 
　　說到這裡，在實際過程中，很多時候就會在此處要專門去批湊這樣的一個字典陣列。假設有如下場景： 
　　如果要批量插入一批資料，如上述第一個例子，則在現有資料集的基礎上，很容易想到一個解決方法：通過list的奇偶合並的方法快速實現所需要的字典陣列。在這推薦一種Python的技巧：[::2]和[1::2]來實現奇偶合並。