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。