ES数据存储与查询基本原理

Elasticsearch（ES）是一个基于Lucene构建的开源搜索和分析引擎，主要用于全文搜索，结构化搜索和分析。

ES数据存储基本原理：

ES将数据存储在一种称为"索引"的结构中，每个索引进一步划分为多个"分片"，这些分片可以在集群中的多个节点之间分配。每个分片又进一步分为多个"副本"，以提供高可用性。存储数据时，ES会对数据进行索引，即建立起数据与搜索查询之间的映射，以便快速进行搜索。

ES数据查询基本原理：

查询时，ES会在所有相关的分片上执行查询，并合并结果以返回给用户。查询可以是全文搜索、结构化查询或范围查询等，ES会使用Lucene的索引机制来快速找到匹配查询的文档。

以下是一个简单的Python代码示例，使用官方的elasticsearch客户端进行ES的索引创建和搜索操作：

from elasticsearch import Elasticsearch
 
# 连接到Elasticsearch集群
es = Elasticsearch("http://localhost:9200")
 
# 创建一个新索引
index_name = 'example_index'
es.indices.create(index=index_name, ignore=400)  # 忽略索引已存在的错误
 
# 添加一些文档到索引
doc1 = {'name': 'John Doe', 'age': 30, 'about': 'I love to go rock climbing'}
doc2 = {'name': 'Jane Smith', 'age': 25, 'about': 'I like to collect rock albums'}
 
res1 = es.index(index=index_name, id=1, document=doc1)
res2 = es.index(index=index_name, id=2, document=doc2)
 
# 执行一个简单的全文搜索
search_query = {'query': {'match': {'about': 'rock'}}}
 
# 执行搜索并打印结果
search_result = es.search(index=index_name, query=search_query)
print(search_result['hits']['hits'])

这个示例展示了如何连接到Elasticsearch，创建一个新的索引，添加文档，并执行一个全文搜索查询。在实际应用中，你可能需要处理更复杂的查询和文档结构，但基本的搜索和索引操作是ES使用的核心。