es分词问题

今天来聊聊es的分词问题。
我们的项目做的是舆情搜索，主要的技术在es。当时就到了一个很奇怪的问题，通过关键词查询，返回来的文本内容中并没有这个关键词，我们还对查询做来高亮显示。关键词是unita，返回的文本数据可以高亮的词为unit，很郁闷。

倒排索引

elasticsearch的底层是由lucene实现，主要的原理是倒排索引，在知乎上看到一篇对倒排索引原理介绍特别好的文章Lucene 查询原理。这里简单的转载一些内容。
在es字段类型中，我们可以简单的划分为可以分析字段（使用分析器分析，入text），不可以分析字段（如keyword）
而不可以分析的字段在索引存储中就是最小的单元，我们称之为term（词条）。而对于可分析字段text，在索引的创建过程中，会使用特别的分析器对这个字段内容进行分析，最后形成一系列的term。倒排索引既是使用这些term构建一个倒排链，通过term查询具体的文档。
何为倒排链？假设你在es存储了三篇文档。

docid	name	age	describe
2	ycc	18	this is a handsame boy
3	ycc	18	nothing is impossible
1	lin	17	this is a hadsame boy

对于name和age字段，在索引创建中存在两条对应的倒排链：

ycc	（2，3）
lin	（1）

18	（2，3）
17	（1）