components/elastic/create_index_elastic_rocks_nn.py

import json
import logging
from pathlib import Path
import time

from elasticsearch import Elasticsearch
from tqdm import tqdm


def create_index_elastic_rocks_nn(
    path: str,
    logger: logging.Logger | None = None,
):
    if logger is None:
        logger = logging.getLogger(__name__)

    # Подключение к Elasticsearch
    es = Elasticsearch(hosts='localhost:9200')
    INDEX_NAME = 'rocks_nn_search_elastic'

    # Удаление старого индекса, если он существует
    if es.indices.exists(index=INDEX_NAME):
        es.indices.delete(index=INDEX_NAME)

    mapping = {
        "settings": {
            "analysis": {
                "filter": {
                    "custom_stopwords": {
                        "type": "stop",
                        "stopwords": [
                            "ООО",
                            "ОАО",
                            "НН",
                            "нн",
                            "Перечень",
                            "перечень",
                            "дивизиона",
                            "дивизион",
                        ],
                    }
                },
                "analyzer": {
                    "custom_analyzer": {
                        "type": "custom",
                        "tokenizer": "standard",
                        "filter": [
                            "lowercase",
                            "custom_stopwords",
                        ],
                    }
                },
            }
        },
        "mappings": {
            "properties": {
                "division_name": {
                    "type": "text",
                    "analyzer": "custom_analyzer",
                    "search_analyzer": "custom_analyzer",
                },
                "division_name_2": {
                    "type": "text",
                    "analyzer": "custom_analyzer",
                    "search_analyzer": "custom_analyzer",
                },
                "company_name": {
                    "type": "text",
                    "analyzer": "custom_analyzer",
                    "search_analyzer": "custom_analyzer",
                },
            }
        },
    }

    # Создание индекса с указанным маппингом
    es.indices.create(index=INDEX_NAME, body=mapping)

    for ind, path in tqdm(enumerate(Path(path).iterdir())):
        # Открываем файл и читаем его содержимое
        with open(path, 'r', encoding='utf-8') as file:
            data = json.load(file)
        # Индексирование документа в Elasticsearch
        es.index(index=INDEX_NAME, id=ind + 1, body=data)

        # Подсчет количества документов в индексе
        count_response = es.count(index=INDEX_NAME)
        logger.info(
            f"{ind}, Total documents in '{INDEX_NAME}': {count_response['count']}"
        )
        time.sleep(1.0)

    if es.indices.exists(index=INDEX_NAME):
        logger.info(f"Index '{INDEX_NAME}' exists.")

    # Подсчет количества документов в индексе
    count_response = es.count(index=INDEX_NAME)
    logger.info(f"Total documents in '{INDEX_NAME}': {count_response['count']}")

    query = "Какие РОКС НН входят в состав Норильского дивизиона?"

    query_ = {
        "query": {
            "function_score": {
                "query": {
                    "multi_match": {
                        "query": f"{query}",
                        "fields": ["division_name", "division_name_2", "company_name"],
                        "fuzziness": "AUTO",
                        "analyzer": "custom_analyzer",
                    }
                },
                "functions": [
                    {
                        "filter": {
                            "term": {"_id": "3"}  # ID документа, который нужно понизить
                        },
                        "weight": 0.5,  # Устанавливает очень низкий вес для этого документа
                    }
                ],
                "boost_mode": "multiply",  # Сочетание _score и весов
            }
        }
    }

    # Выполнение поиска в Elasticsearch
    response = es.search(index=INDEX_NAME, body=query_, size=1)
    logger.info(f"Number of hits: {response['hits']['total']['value']}")

    # Вывод результата поиска
    for hit in response['hits']['hits']:
        logger.info(hit['_source'])


if __name__ == '__main__':
    path = '/mnt/ntr_work/project/nmd800/data/rocks_nn_card'
    create_index_elastic_rocks_nn(path)