Elasticsearch 核心原理与倒排索引

在海量数据中进行实时搜索是现代应用的标准需求。Elasticsearch 是目前最流行的开源搜索引擎，其核心依赖于 Lucene 的倒排索引技术。

什么是倒排索引 (Inverted Index)？

传统的数据库使用正排索引（Forward Index），即“文档ID -> 关键词”。而倒排索引则是“关键词 -> 文档ID列表”。

例如，对于两个文档：

• Doc 1: "The quick brown fox"
• Doc 2: "The quick brown dog"

倒排索引结构如下：

Term      | Doc IDs
-------------------
quick     | [1, 2]
brown     | [1, 2]
fox       | [1]
dog       | [2]

当我们搜索 "fox" 时，系统可以直接定位到 Doc 1，而不需要遍历所有文档。这种结构使得全文搜索的速度极快。

分词器 (Analyzer)

在建立索引之前，文本需要经过分词处理。Elasticsearch 提供了多种分词器，如 Standard Analyzer（标准分词）、IK Analyzer（中文分词）。分词器的选择直接影响搜索的准确率（Precision）和召回率（Recall）。