ES倒排索引基本原理
索引（index）可以分為正序索引（Forward Indexes）和倒排索引（Inverted Index）兩種。在關係型資料庫中使用索引可以避免資料檢索走全表掃描，將檢索的時間複雜度從O(n)降到了O(logn)。例如，一本字典在開篇幾頁記錄了每個字和所在頁碼的對映關係，當我們需要查閱某個字的時候不需要從每一頁開始搜尋，通過這個對映關係就能快速找到需要搜尋的詞項。假設現在有三個文件：doc1, doc2, doc3
doc1: Welcome to Hotel California
doc2: Welcome to the heaven
doc3: the dog is very cute
在關係型資料庫中儲存這三個文件並且建立索引，文件在資料庫中的儲存結構大概如下所示
| Doc ID | Doc Content |
|---|---|
| 1 | Welcome to Hotel California |
| 2 | Welcome to the heaven |
| 3 | the dog is very cute |
通過建立這種文件id與文件內容的對映關係，在關係型資料庫中可以快速查詢到文件的具體位置，但是如果需要對文件中某些詞項進行檢索，則需要進行全表掃描，這個時候正序索引就失效了。
倒排索引的思想是建立文件中每個詞項與文件的的對映關係，如下所示
| Term | Doc Id |
|---|---|
| welcome | Doc1， Doc2 |
| to | Doc1，Doc2 |
| the | Doc2，Doc3 |
| dog | Doc3 |
| heaven | Doc2 |
| .... | ... |
可以看出通過倒排索引，搜尋任意一個詞項都能快速定位到所在位置。通過上述例子可以看出順序索引是文件ID與文件內容和單詞的關聯，倒排索引是單詞到文件ID的對映關係。
倒排索引核心組成
倒排索引主要包括兩部分：單詞詞典和倒排列表。
- 單詞詞典：記錄所有文件的單詞，記錄單詞和倒排列表的關聯關係
- 倒排列表：記錄單詞與對應文件集合，由倒排索引項組成
- 倒排索引項：主要由文件ID，詞頻TF（單詞在文件中出現的次數，用於相關性評分），位置(Position，單詞在文件中分詞的位置，用於語句搜尋) ，偏移（Offset，記錄單詞的開始結束位置，用於實現高亮顯示）
Elaticsearch的JSON文件中每個欄位都有自己的倒排索引，可以對文件中不需要搜尋的欄位不做索引，這樣可以節省儲存空間