client

client

想问下大家针对ES开发一般使用的是java rest client api还是java api呢?两者性能有差别吗

ElasticsearchDK 回复了问题 • 3 人关注 • 2 个回复 • 1065 次浏览 • 2017-12-25 11:15 • 来自相关话题

5.1.2 client做成单例的一直不关闭会出问题吗

Elasticsearchnovia 回复了问题 • 2 人关注 • 2 个回复 • 2729 次浏览 • 2017-06-02 10:46 • 来自相关话题

ES5.X之后该如何选择client?

回复

Elasticsearchsailfish 发起了问题 • 1 人关注 • 0 个回复 • 2321 次浏览 • 2017-04-09 12:31 • 来自相关话题

Pandasticsearch: An Elasticsearch client exposing DataFrame API

Elasticsearchonesuper 发表了文章 • 0 个评论 • 1933 次浏览 • 2016-11-08 18:02 • 来自相关话题

https://github.com/onesuper/pandasticsearch  
# Create a DataFrame object
from pandasticsearch import DataFrame
df = DataFrame.from_es('http://localhost:9200', index='people')

# Print the schema(mapping) of the index
df.print_schema()
# company
# |-- employee
#   |-- name: {'index': 'not_analyzed', 'type': 'string'}
#   |-- age: {'type': 'integer'}
#   |-- gender: {'index': 'not_analyzed', 'type': 'string'}

# Inspect the columns
df.columns
#['name', 'age', 'gender']

# Get the column
df.name
# Column('name')

# Filter
df.filter(df.age < 13).collect()
# [Row(age=12,gender='female',name='Alice'), Row(age=11,gender='male',name='Bob')]

# Project
df.filter(df.age < 25).select('name', 'age').collect()
# [Row(age=12,name='Alice'), Row(age=11,name='Bob'), Row(age=13,name='Leo')]

# Print the rows into console
df.filter(df.age < 25).select('name').show(3)
# +------+
# | name |
# +------+
# | Alice|
# | Bob  |
# | Leo  |
# +------+

# Sort
df.sort(df.age.asc).select('name', 'age').collect()
#[Row(age=11,name='Bob'), Row(age=12,name='Alice'), Row(age=13,name='Leo')]

# Aggregate
df[df.gender == 'male'].agg(df.age.avg).collect()
# [Row(avg(age)=12)]

# Groupby
df.groupby('gender').collect()
# [Row(doc_count=1), Row(doc_count=2)]

# Groupby and then aggregate
df.groupby('gender').agg(df.age.max).collect()
# [Row(doc_count=1, max(age)=12), Row(doc_count=2, max(age)=13)]

# Convert to Pandas object for subsequent analysis
df[df.gender == 'male'].agg(df.age.avg).to_pandas()
#    avg(age)
# 0        12

使用node client报以下错误,使用transport client 就没有错误

回复

ElasticsearchJellybean 发起了问题 • 1 人关注 • 0 个回复 • 3618 次浏览 • 2016-01-20 15:24 • 来自相关话题

请问在应用中使用node client还是transport client比较好?

Elasticsearchzttech 回复了问题 • 5 人关注 • 3 个回复 • 3638 次浏览 • 2016-01-19 14:03 • 来自相关话题

想问下大家针对ES开发一般使用的是java rest client api还是java api呢?两者性能有差别吗

回复

ElasticsearchDK 回复了问题 • 3 人关注 • 2 个回复 • 1065 次浏览 • 2017-12-25 11:15 • 来自相关话题

5.1.2 client做成单例的一直不关闭会出问题吗

回复

Elasticsearchnovia 回复了问题 • 2 人关注 • 2 个回复 • 2729 次浏览 • 2017-06-02 10:46 • 来自相关话题

ES5.X之后该如何选择client?

回复

Elasticsearchsailfish 发起了问题 • 1 人关注 • 0 个回复 • 2321 次浏览 • 2017-04-09 12:31 • 来自相关话题

使用node client报以下错误,使用transport client 就没有错误

回复

ElasticsearchJellybean 发起了问题 • 1 人关注 • 0 个回复 • 3618 次浏览 • 2016-01-20 15:24 • 来自相关话题

请问在应用中使用node client还是transport client比较好?

回复

Elasticsearchzttech 回复了问题 • 5 人关注 • 3 个回复 • 3638 次浏览 • 2016-01-19 14:03 • 来自相关话题

Pandasticsearch: An Elasticsearch client exposing DataFrame API

Elasticsearchonesuper 发表了文章 • 0 个评论 • 1933 次浏览 • 2016-11-08 18:02 • 来自相关话题

https://github.com/onesuper/pandasticsearch  
# Create a DataFrame object
from pandasticsearch import DataFrame
df = DataFrame.from_es('http://localhost:9200', index='people')

# Print the schema(mapping) of the index
df.print_schema()
# company
# |-- employee
#   |-- name: {'index': 'not_analyzed', 'type': 'string'}
#   |-- age: {'type': 'integer'}
#   |-- gender: {'index': 'not_analyzed', 'type': 'string'}

# Inspect the columns
df.columns
#['name', 'age', 'gender']

# Get the column
df.name
# Column('name')

# Filter
df.filter(df.age < 13).collect()
# [Row(age=12,gender='female',name='Alice'), Row(age=11,gender='male',name='Bob')]

# Project
df.filter(df.age < 25).select('name', 'age').collect()
# [Row(age=12,name='Alice'), Row(age=11,name='Bob'), Row(age=13,name='Leo')]

# Print the rows into console
df.filter(df.age < 25).select('name').show(3)
# +------+
# | name |
# +------+
# | Alice|
# | Bob  |
# | Leo  |
# +------+

# Sort
df.sort(df.age.asc).select('name', 'age').collect()
#[Row(age=11,name='Bob'), Row(age=12,name='Alice'), Row(age=13,name='Leo')]

# Aggregate
df[df.gender == 'male'].agg(df.age.avg).collect()
# [Row(avg(age)=12)]

# Groupby
df.groupby('gender').collect()
# [Row(doc_count=1), Row(doc_count=2)]

# Groupby and then aggregate
df.groupby('gender').agg(df.age.max).collect()
# [Row(doc_count=1, max(age)=12), Row(doc_count=2, max(age)=13)]

# Convert to Pandas object for subsequent analysis
df[df.gender == 'male'].agg(df.age.avg).to_pandas()
#    avg(age)
# 0        12