對初步了解es挺好的。
elasticsearch使用一種叫做倒排索引(inverted index)的結構來做快速的全文搜尋。倒排索引由在文件中出現的唯一的單詞列表，以及對於每個單詞在文件中的位置組成。
例如，我們有兩個文件，每個文件content字段包含：
the quick brown fox jumped over the lazy dog
quick brown foxes leap over lazy dogs in summer
為了建立倒排索引，我們首先切分每個文件的content欄位為單獨的單詞（我們把它們叫做詞(terms)或者表徵(tokens)）（譯者注：關於terms和tokens的翻譯比較生硬，只需知道語句分詞後的個體叫做這兩個。），把所有的唯一詞放入列表並排序，結果是這個樣子的：
term
doc_1
doc_2
quick
xthe
xbrownxx
dogx
dogs
xfox
xfoxesxin
xjumped
xlazyxx
leap
xoverxx
quick
xsummer
xthe
x現在，如果我們想搜尋"quick brown"，我們只需要找到每個詞在哪個文件中出現即可：
term
doc_1
doc_2
brownxx
quick
x-----
-------
-----
total21
兩個文件都匹配，但是第乙個比第二個有更多的匹配項。 如果我們加入簡單的相似度演算法(similarity algorithm)，計算匹配單詞的數目，這樣我們就可以說第乙個文件比第二個匹配度更高——對於我們的查詢具有更多相關性。
但是在我們的倒排索引中還有些問題：
"quick"和"quick"被認為是不同的單詞，但是使用者可能認為它們是相同的。
"fox"和"foxes"很相似，就像"dog"和"dogs"——它們都是同根詞。
"jumped"和"leap"不是同根詞，但意思相似——它們是同義詞。
上面的索引中，搜尋"+quick +fox"不會匹配任何文件（記住，字首+表示單詞必須匹配到）。只有"quick"和"fox"都在同一文件中才可以匹配查詢，但是第乙個文件包含"quick fox"且第二個文件包含"quick foxes"。（譯者注：這段真囉嗦，說白了就是單複數和同義詞沒法匹配）
使用者可以合理地希望兩個文件都能匹配查詢，我們也可以做得更好。
如果我們將詞為統一為標準格式，這樣就可以找到不是確切匹配查詢，但是足以相似從而可以關聯的文件。例如：
"quick"可以轉為小寫成為"quick"。
"foxes"可以被轉為根形式"fox"。同理"dogs"可以被轉為"dog"。
"jumped"和"leap"同義就可以只索引為單個詞"jump"
現在的索引：
term
doc_1
doc_2
brownxx
dogx
xfo***
inxjumpxx
lazyxx
overxx
quickxx
summer
xthexx
但我們還未成功。我們的搜尋"+quick +fox"依舊失敗，因為"quick"的確切值已經不在索引裡，不過，如果我們使用相同的標準化規則處理查詢字串的content字段，查詢將變成"+quick +fox"，這樣就可以匹配到兩個文件。
MapReduce倒排索引簡單實現
倒排索引 倒排索引是文件檢索系統中最常用的資料結構，被廣泛的應用於全文搜尋引擎。它主要用來儲存某個單詞 或片語 在乙個文件或一組文件中的儲存位置的對映，即提供了一種根據內容來查詢文件的方式，由於不是根據文件來確定文件所包含的內容，而是進行了相反的操作，因而被稱為倒排索引。例如 input 輸入有三個...
正排索引和倒排索引簡單介紹
在搜尋引擎中，資料被爬取後，就會建立index，方便檢索。在工作中經常會聽到有人問，你這個index是正排的還是倒排的？那麼什麼是正排呢？什麼又是倒排呢？下面是一些簡單的介紹。網頁a中的內容片段 tom is a boy.tom is a student too.網頁b中的內容片段 jon work...
正排索引和倒排索引理解詳解
叮嘟！這裡是小啊嗚的學習課程資料整理。好記性不如爛筆頭，今天也是努力進步的一天。一起加油高階吧！文件 單詞1 單詞2 單詞1 出現的次數 單詞出現的位置 單詞2 單詞2出現的位置 正排索引 在搜尋欄輸入id查詞條 已知id 單詞1 文件1 文件2，文件3 單詞2 文件1，文件2 倒排索引 將搜尋框中...