Django + Docker 搭建 Elasticsearch 全文检索完整教程
在 Django 项目中集成 Elasticsearch 实现全文检索，已成为电商平台和内容管理系统的标配功能。而 Docker 容器化技术的加持，让环境部署变得异常简单高效。接下来，本文将以手把手的方式，带你启动 Elasticsearch 服务，并通过 Haystack 将其与 Django 无缝对接。
使用 Docker 安装 Elasticsearch 并配置 IK 中文分词器
1. 获取 Elasticsearch-ik 镜像
推荐使用官方已整合 IK 分词器的镜像，省去手动安装的繁琐步骤。以下两种方式均可获取：
# 方法一：从 Docker 仓库拉取镜像 $ sudo docker image pull delron/elasticsearch-ik:2.4.6-1.0 # 方法二：加载本地 tar 镜像文件 $ sudo docker load -i elasticsearch-ik-2.4.6_docker.tar
2. 配置 Elasticsearch-ik
将教学资料中的 elasticsearch-2.4.6 目录复制到 home 目录下，然后编辑 /home/python/elasticsearch-2.4.6/config/elasticsearch.yml 的第 54 行，将 IP 地址替换为宿主机的真实 IP（由于 Docker 采用 network=host 模式，必须填写宿主机 IP）。
3. 运行容器
$ sudo docker run -dti --name=elasticsearch --network=host -v /home/python/elasticsearch-2.4.6/config:/usr/share/elasticsearch/config delron/elasticsearch-ik:2.4.6-1.0
容器启动后，请检查日志文件，确保无报错信息，并确认 Elasticsearch 服务已在 9200 端口正常监听。
Haystack 简介与安装配置详解
1. Haystack 是什么
Haystack 是 Django 生态系统中专为对接搜索引擎设计的组件，扮演着“中间人”的角色。在 Django 中编写代码时，你无需关心底层使用的是 Elasticsearch、Whoosh 还是 Solr——Haystack 提供了统一的接口。更换后端仅需修改一行配置，非常方便。
2. 安装依赖
$ pip install django-haystack $ pip install elasticsearch==2.4.1
注意：Elasticsearch 的 Python 客户端版本必须与服务器端版本保持一致，本例中使用的版本是 2.4.1。
3. 注册应用与路由
# 在 settings.py 中注册 Haystack 应用
INSTALLED_APPS = [
'haystack', # 全文检索模块
]
# 主路由配置，添加搜索 URL
path('search/', include('haystack.urls')),
4. 配置搜索引擎后端
在 settings.py 中添加以下配置：
HAYSTACK_CONNECTIONS = {
'default': {
'ENGINE': 'haystack.backends.elasticsearch_backend.ElasticsearchSearchEngine',
'URL': 'https://192.168.103.158:9200/', # 请替换为你的 Elasticsearch 宿主机 IP 地址
'INDEX_NAME': 'meiduo_mall', # 自定义索引库名称，例如 meiduo_mall
},
}
另外，还有一个可选配置，强烈建议添加：
HAYSTACK_SIGNAL_PROCESSOR = 'haystack.signals.RealtimeSignalProcessor'
该配置的作用是：当 Django 模型数据发生增、删、改操作时，Haystack 会自动通知 Elasticsearch 实时更新索引，避免手动重建。对于需要实时搜索结果的业务场景，这几乎是必选项。
Haystack 创建数据索引详解
1. 创建索引类
索引类用于向 Haystack 和 Elasticsearch 声明哪些字段可供搜索。你需要在应用目录下新建一个名为 search_indexes.py 的文件（文件名必须固定），并在其中编写索引类。
例如，为 SKU 模型实现全文检索，代码如下：
from haystack import indexes
from .models import SKU # 请根据实际模型替换
class SKUIndex(indexes.SearchIndex, indexes.Indexable):
"""SKU 模型索引数据类"""
text = indexes.CharField(document=True, use_template=True)
def get_model(self):
return SKU
def index_queryset(self, using=None):
return self.get_model().objects.filter(is_launched=True)
参数说明：
text字段设置了document=True，表示该字段是主要的关键字搜索字段。use_template=True意味着该字段的索引内容通过一个独立的模板文件定义，从而可以将多个模型字段组合成一个索引值。
2. 创建 text 字段的索引模板文件
在 templates 目录下，按照路径 templates/search/indexes/goods/sku_text.txt 创建文件（注意文件名必须为模型名小写_text.txt），文件内容如下：
{{ object.id }}
{{ object.name }}
{{ object.caption }}
这样，当用户搜索某个关键词时，Elasticsearch 会同时匹配 SKU 的 id、name 和 caption 字段。
3. 手动生成初始索引
确保数据库中已有数据，然后执行以下命令：
python manage.py rebuild_index
该命令会先清空已有索引，再重新构建。如果只需增量更新，应使用 update_index 命令。
4. 在视图中调用搜索
Haystack 内置了默认的搜索视图，但如果需要返回 JSON 格式数据供前端使用，你可以自定义视图，示例如下：
from django.shortcuts import render
import json
from django.conf import settings
from django.core.paginator import InvalidPage, Paginator
from django.http import Http404, HttpResponse, JsonResponse
from haystack.forms import ModelSearchForm
from haystack.query import EmptySearchQuerySet
RESULTS_PER_PAGE = getattr(settings, 'HAYSTACK_SEARCH_RESULTS_PER_PAGE', 20)
def basic_search(request, load_all=True, form_class=ModelSearchForm,
searchqueryset=None, extra_context=None, results_per_page=None):
query = ''
results = EmptySearchQuerySet()
if request.GET.get('q'):
form = form_class(request.GET, searchqueryset=searchqueryset, load_all=load_all)
if form.is_valid():
query = form.cleaned_data['q']
results = form.search()
else:
form = form_class(searchqueryset=searchqueryset, load_all=load_all)
paginator = Paginator(results, results_per_page or RESULTS_PER_PAGE)
try:
page = paginator.page(int(request.GET.get('page', 1)))
except InvalidPage:
result = {"code": 404, "msg": 'No file found！', "data": []}
return HttpResponse(json.dumps(result), content_type="application/json")
context = {
'form': form,
'page': page,
'paginator': paginator,
'query': query,
'suggestion': None,
}
if results.query.backend.include_spelling:
context['suggestion'] = form.get_suggestion()
if extra_context:
context.update(extra_context)
jsondata = []
for result in page.object_list:
data = {
'pk': result.object.pk,
'title': result.object.title,
'desc': result.object.desc,
}
jsondata.append(data)
result = {"code": 200, "msg": 'Search successfully！', "data": jsondata}
return JsonResponse(result, content_type="application/json")
该视图接收 ?q=关键词 参数，返回分页后的 JSON 数据。你可以根据实际模型字段调整 data 字典中的键值。
总结
整个流程归纳起来，只有三个核心步骤：使用 Docker 启动 Elasticsearch → 安装并配置 Haystack → 编写索引类和模板文件。真正掌握 Haystack 的“索引类 + 模板文件”机制后，后续更换搜索引擎或调整字段都会变得非常灵活。希望这份实战指南能助你少走弯路，快速实现全文检索功能。
