簡單寫一個ES系列，希望對NewSql、檢索有興趣的同學可以快速入手，爭取在7月份完成該系列文章
ES入門系列
- ES入門系列 — 1 windows系統安裝Elasticsearch
- ES入門系列 — 2 Elasticsearch介紹
- ES入門系列 — 3 走進elasticsearch
- ES入門系列 — 4 索引
- ES入門系列 — 5 查詢語法
- ES入門系列 — 6 文檔相關性及排序
這一節介紹索引，作爲一個搜索引擎，索引是搜索的核心元素，之所以搜索引擎這麼快速，問題的關鍵也就是索引是否高效的問題，這裏涉及到索引的IO，已經索引的檢索，比如mysql B+樹、mongodb B-樹，這本質都是數據檢索的側重點不同（至於B+、B-樹的數據結構差異，不瞭解的同學建議先網上科普，有助於存儲知識體系的瞭解）。而我們該系列 Elasticsearch 則是基於倒排索引，我們都知道 Elasticsearch 是基於 Lucence （https://lucene.apache.org/）開發的，lucence 樓主也用過，但現在工作側重點不太涉及，所以這裏就不鋪開講解
倒排索引&正排索引
在解釋什麼是倒排索引，我們先看一個簡單的倒排索引的例子
假如有兩個文檔：
- The quick brown fox jumped over the lazy dog
- Quick brown foxes leap over lazy dogs in summer
如果採用正排索引，那很容易理解，就像目錄一樣，你只要找到對應的目錄，就可以看到這個目錄有哪些章節，對尚明2個簡單文檔進行倒排索引如下圖：
上圖，從左到右你很明顯，可以看到一個文檔有哪些詞語，但是你確如果基於行，如果文檔數量幾千萬，你卻很難知道一些詞存在哪些文檔。所以，我們就需要倒排索引了，爲了創建倒排索引，我們首先將每個文檔的 content 域拆分成單獨的 詞（我們稱它爲 詞條 或 tokens ），創建一個包含所有不重複詞條的排序列表，然後列出每個詞條出現在哪個文檔。
現在，如果我們想搜索某個詞，比如summer，那麼可以很方便的知道 doc_2 存在該詞。如你搜索 Quick brown，你可以很方便知道doc_1 存在 brown，doc_2 存在Quick brown，僅計算匹配詞條，我們知道明顯doc_2相關性要高一點(當然，關於排序和文檔相關性，樓主還在ES入門系列 — 6 文檔相關性及排序 繼續說明 )
注意：ES內部其實也用有模塊是用到正排索引的，如doc values和fielddata，見ES入門系列 — 6 文檔相關性及排序
索引分析器
索引映射
字段分析器可以從三個層面進行定義：按字段（per-field）、按索引（per-index）或全局缺省（global default）。Elasticsearch 會按照以下順序依次處理，直到它找到能夠使用的分析器。索引時的順序如下：
- 字段映射裏定義的
analyzer，否則 - 索引設置中名爲
default的分析器，默認爲 standard標準分析器
在搜索時，順序有些許不同：
- 查詢自己定義的
analyzer，否則 - 字段映射裏定義的
search_analyzer，否則 - 字段映射裏定義的
analyzer，否則 - 索引設置中名爲
default_search的分析器，默認爲 - 索引設置中名爲
default的分析器，默認爲 standard標準分析器
注意：有時在索引時和搜索時使用不同的分析器是合理的。我們可能要想爲同義詞建索引（例如，所有
quick出現的地方，同時也爲fast、rapid和speedy創建索引）。但在搜索時，我們不需要搜索所有的同義詞，取而代之的是尋找用戶輸入的單詞是否是quick、fast、rapid或speedy
索引操作
索引注意事項
待編輯，待完善====