es(1)-索引原理&数据写入过程分析

ES有很多亮点，其中一个就是他的索引方式：倒排索引；

正排索引是从文档到关键字的映射（已知文档求关键字），倒排索引是从关键字到文档的映射（已知关键字求文档）。通俗的来说，正向索引可以看作是查找所有文档，然后再去寻找关键字，而倒排索引是通过关键字做索引，然后找索引所对应的文档。

举个栗子：

假设我们有两个文档：

1）I have a friend who loves smile

2）love me, I love you

*表示该列文档中有这个词条，为空表示没有该词条

如果我们要搜索 I love you，我们只需要查找包含每个词条的文档：

两个文档都能匹配上，如果按命中词条数量来算，doc2比doc1更匹配。

这个是倒排索引最简化的表达方式，在ES的倒排索引存储结果中，还会记录每个词条在文档中出现的位置。

期望的分词处理

我们再看一下这个索引的建立过程，loves和love有区别吗？没有，都是爱的意思，一个是第三人称单数，一个是原形。如果能将一些语法的区别处理掉，这样的搜索结果是不是更切合实际需求？

例如：

loves提取词干处理成love

a，have之类的无实义的词，直接屏蔽掉

等等

现在索引看上去成这样：

常见分词器介绍

Elasticsearch自身提供了内置的分词器，也允许使用第三方的分词器。

内置分词器

标准分词器standard analyzer

ES默认分词器，根据Unicode联盟定义的单词边界划分文本，删除绝大部分标点，最后将词条小写。

简单分词器simple analyzer

在任何不是字母的地方分隔文本，将词条小写

空格分词器whitespace analyzer

在空格的地方划分文本

语言分词器language analyzer

特定的语言的分词器，如english，英语分词器，维护了一组英语停用词and、the之类的，用于删除词条，针对英文语法规则，有提取单词词干的能力。