刚好我之前也折腾过类似的配置，给你一步步捋清楚怎么搞定——你已经准备好docker-compose、Python脚本、Dockerfile这些基础文件，核心要解决的就是容器间通信和ES服务就绪检测这两个关键点，下面是具体的配置和注意事项：

Docker Compose默认会为你的服务创建一个专属网络，容器之间可以直接用服务名称互相访问，不用记IP。比如你的ES服务叫elasticsearch，那Python脚本里的连接地址就应该是http://elasticsearch:9200（别用localhost，那在容器里指的是脚本容器自己，不是宿主机的ES）。

给你一个标准的docker-compose.yml示例，涵盖ES和索引器服务的配置：

version: '3.8'
services:
  elasticsearch:
    # 尽量用官方镜像，版本和Python客户端保持一致
    image: docker.elastic.co/elasticsearch/elasticsearch:8.11.0
    environment:
      - discovery.type=single-node  # 单节点模式，适合开发测试
      - xpack.security.enabled=false  # 开发环境可以关闭安全验证，生产环境务必开启
      - ES_JAVA_OPTS=-Xms512m -Xmx512m  # 调整JVM内存，根据你的机器配置改
    ports:
      - "9200:9200"  # 映射到宿主机端口，方便本地调试
    volumes:
      - es_data:/usr/share/elasticsearch/data  # 持久化ES数据
    networks:
      - es_network

  indexer:
    build: ./indexer  # 指向你的索引器Dockerfile所在目录
    depends_on:
      - elasticsearch  # 确保ES容器先启动，但注意：不保证ES服务就绪！
    networks:
      - es_network  # 和ES加入同一个网络，才能通信
    environment:
      - ES_URL=http://elasticsearch:9200  # 把ES地址通过环境变量传给脚本，更灵活

# 定义数据卷，持久化ES数据
volumes:
  es_data:

# 自定义网络，确保容器间通信
networks:
  es_network:
    driver: bridge

重点注意：depends_on只是保证ES容器先启动，但ES服务启动需要几秒时间，直接连接会失败。所以必须给脚本加重试逻辑，直到ES服务就绪。

下面是indexer.py的示例代码，用elasticsearch-py客户端创建索引：

from elasticsearch import Elasticsearch
from elasticsearch.exceptions import ConnectionError
import time
import os

def create_es_index():
    # 从环境变量获取ES地址，或者直接写死（推荐用环境变量，方便不同环境切换）
    es_url = os.getenv("ES_URL", "http://elasticsearch:9200")
    es = Elasticsearch(es_url)

    # 等待ES服务就绪，最多重试10次，每次间隔3秒
    max_retries = 10
    retry_count = 0
    while retry_count < max_retries:
        try:
            if es.ping():
                print("✅ 成功连接到Elasticsearch！")
                break
        except ConnectionError:
            print(f"⏳ 等待Elasticsearch启动中... 重试 {retry_count+1}/{max_retries}")
            time.sleep(3)
            retry_count += 1
    else:
        print("❌ 多次重试后仍无法连接到Elasticsearch，请检查配置")
        return

    # 定义你的索引映射（根据自己的业务需求修改）
    index_name = "my_business_index"
    index_mapping = {
        "mappings": {
            "properties": {
                "title": {"type": "text"},
                "content": {"type": "text"},
                "created_at": {"type": "date"},
                "author": {"type": "keyword"}
            }
        }
    }

    # 创建索引（如果索引不存在的话）
    if not es.indices.exists(index=index_name):
        es.indices.create(index=index_name, body=index_mapping)
        print(f"✅ 索引 {index_name} 创建成功！")
    else:
        print(f"ℹ️ 索引 {index_name} 已经存在，跳过创建")

if __name__ == "__main__":
    create_es_index()

确保你的Dockerfile能正确安装依赖并运行脚本，示例如下：

# 选用轻量的Python镜像，避免镜像过大
FROM python:3.11-slim

# 设置工作目录
WORKDIR /app

# 先复制依赖文件，利用Docker缓存加速构建
COPY requirements.txt .

# 安装依赖，--no-cache-dir避免缓存冗余文件
RUN pip install --no-cache-dir -r requirements.txt

# 复制脚本文件到容器
COPY indexer.py .

# 运行脚本
CMD ["python", "indexer.py"]

你的requirements.txt里只需要一行（版本和ES服务保持一致）：

elasticsearch==8.11.0

• 版本兼容性：elasticsearch-py的版本必须和ES服务版本严格匹配！比如ES用8.11.0，客户端也得用8.x的版本，否则会出现API不兼容的报错。
• ES安全验证：如果你的ES开启了xpack.security.enabled=true，那脚本里需要添加账号密码验证，比如：

  es = Elasticsearch(es_url, basic_auth=("elastic", "你的ES密码"))
  

• 网络问题：确保两个容器在同一个Docker网络里，上面的docker-compose已经配置了es_network，如果是手动启动容器，记得用--network参数指定同一个网络。
• 内存不足：ES默认需要较多内存，如果你的机器内存小，记得调整ES_JAVA_OPTS的参数，比如改成-Xms256m -Xmx256m。

内容的提问来源于stack exchange，提问作者Davide Fiocco