ELASTICSEARCH ДЛЯ САМЫХ МАЛЕНЬКИХ PYTHON РАЗРАБОВ. ЧАСТЬ 10 РАБОТА С PYTHON И СТАРТ PET-ПРОЕКТА

• Николай Свиридов продолжает обсуждать Elasticsearch без стереотипов.  

• Видео посвящено применению Elasticsearch в Python.  

• Планируется создать сервис для знакомств на основе Elasticsearch.  

• Пользователи смогут отправлять данные о себе: имя, никнейм, дата рождения, интересы.  

• Возможность добавления новых полей по запросу пользователей.  

• Планируется создание рекомендательной системы на основе введенных данных.  

• Николай уже написал кодовую базу и выложил её в GitHub.  

• Видео будет посвящено объяснению работы кодовой базы.  

• Планируется постепенное наполнение проекта.  

• Проект будет написан на FastAPI, без использования Flask или Django.  

• Необходимы библиотеки: elasticsearch, uvicorn, а также зависимости для работы с Docker.  

• Установка зависимостей через pip install.  

• Николай использует Docker Compose для запуска Elasticsearch и Kibana.  

• Описание портов и переменных окружения для контейнеров.  

• Использование Docker Compose для многоконтейнерных приложений.  

• Объяснение работы Docker Compose и зависимости между контейнерами.  

• Использование сети ESNet для связи между контейнерами.  

• Планы на создание курса по Docker.  

• Николай объясняет функцию ping для проверки работоспособности приложения.  

• Пример использования функции ping в FastAPI.  

• Проверка работы сервиса через браузер.  

• Описание структуры документа для пользователей.  

• Использование скрипта для наполнения индекса тестовыми данными.  

• Разнородность данных для пользователей.  

• Использование библиотеки elasticsearch для работы с Elasticsearch.  

• Написание синтетических API-функций для работы с Elasticsearch.  

• Планы по созданию эндпоинтов для создания и удаления индексов, а также для работы с пользователями.  

• Использование эластичного клиента для создания индекса.  

• Типизация позволяет использовать валидаторы кода.  

• Привязка эластичного клиента к приложению FastAPI.  

• Создание объекта приложения FastAPI.  

• Привязка эластичного клиента к состоянию приложения.  

• Привязка роутов к приложению.  

• Использование эластичного клиента для создания индекса.  

• Указание имени индекса и кастомного мапинга.  

• Пример мапинга для индексации полей с типами текст и кейворд.  

• Проверка наличия индекса в Kibana.  

• Поднятие контейнеров для работы с эластичным поиском.  

• Создание и удаление индекса с помощью эластичного клиента.  

• Использование модели для работы с данными.  

• Добавление полей в модель и их типы.  

• Обработка ошибок при создании пользователя.  

• Преобразование модели в словарь для передачи в эластичный клиент.  

• Запись данных в индекс и проверка их отображения в Kibana.  

• Успешное создание и запись данных в индекс.  

• Использование единичной вставки для заполнения индекса тестовыми данными.  

• Планируется рандомизация данных и запись большого количества документов.  

• Создание функции main для асинхронной работы с Elasticsearch.  

• Вставка документов в индекс с использованием асинхронного подхода.  

• Проверка успешности вставки и создание индекса при необходимости.  

• Вставка документов из списка пользователей.  

• Написание функции get_users для возврата всех пользователей.  

• Использование метода search для формирования запроса.  

• Получение результатов запроса и их обработка.  

• Преобразование результатов запроса в удобный формат для фронтенда.  

• Удаление ненужной информации для упрощения работы фронтенда.  

• Добавление зависимости pydantic для улучшения логирования.  

• Установка Docker, PyCharm и других необходимых инструментов.  

• Настройка логгирования для отслеживания событий и ошибок.  

• Пример создания пользователя и вывода логов в консоль.  

• Обзор используемых схем для запросов пользователей.  

• Подсказки по обязательным параметрам и типам данных.  

• Призыв к изучению Python, Elasticsearch, Docker и PyCharm.