如何通过python+request查询elasticsearch数据

        前段时间数据出了些问题,需要去查一些用户的相关操作日志,我们公司所有的日志都是存放在efk中,由于用户数据很多,不可能每一条一条去查,所以就在想能不能通过http的方式通过python去查,并打印出来。于是用了http+request方式进行请求,发现数据返回不OK。所以就对elasticsearch中的 http请求进行分析,发现elasticsearch虽然是用http请求的,但是在头部里面的格式是不一样的,因为字段“content-type”用的不是普通的json,而是用的application/x-ndjson,然后发现参数中的负载有两个字典,一个是index开头的,而第二个字典才是真正的传值参数。因为以前没有遇到过这种参数,所以用python在请求,不管怎么组装这个参数都不能返回正确的数据回来。

elasticsearch正常请求

后面查了一下资料,关于elasticsearch如果要通过http去请求数据时,需要把参数的两个字典重新组合,且在每个字典的后面一定要加上回车符号("\n")。具体的组合方法如下:

payload1= {"index": "tomcat-gateway-info-*", "ignore_unavailable": True, "preference": 1561910540186}

payload2= {"version": True, "size": 2000, "sort": [{"@timestamp": {"order": "desc", "unmapped_type": "boolean"}}],

            "_source": {"excludes": []}, "aggs": {"2": {

"date_histogram": {"field": "@timestamp", "interval": "3h", "time_zone": "Asia/Shanghai",

                          "min_doc_count": 1}}}, "stored_fields": ["*"], "script_fields": {},

            "docvalue_fields": [{"field": "@timestamp", "format": "date_time"}], "query": {"bool": {

"must": [{"range": {"@timestamp": {"gte": 1561307158200, "lte": 1561911958200, "format": "epoch_millis"}}}],

        "filter": [{"multi_match": {"type": "best_fields", "query": trace_id, "lenient": True}}], "should": [],

        "must_not": []}},

            "highlight": {"pre_tags": ["@kibana-highlighted-field@"], "post_tags": ["@/kibana-highlighted-field@"],

                          "fields": {"*": {}}, "fragment_size": 2147483647}, "timeout": "30000ms"}

data= json.dumps(payload1)+ "\n" + json.dumps(payload2)+ "\n"

以上代码中payload1 和 payload2是两个不同的字典,而data就是payload1 和payload2组合之后真正的参数,那么请求时的参数就是data变量。

result= requests.post(url=url, data=data, headers=header)。

用这种方式向elasticsearch进行http请求之后,就能够拿到正常的数据了。

©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 211,348评论 6 491
  • 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 90,122评论 2 385
  • 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 156,936评论 0 347
  • 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 56,427评论 1 283
  • 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 65,467评论 6 385
  • 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 49,785评论 1 290
  • 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 38,931评论 3 406
  • 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 37,696评论 0 266
  • 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 44,141评论 1 303
  • 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 36,483评论 2 327
  • 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 38,625评论 1 340
  • 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 34,291评论 4 329
  • 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 39,892评论 3 312
  • 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 30,741评论 0 21
  • 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 31,977评论 1 265
  • 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 46,324评论 2 360
  • 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 43,492评论 2 348

推荐阅读更多精彩内容