一 .倒排索引（Inverted Index） ElasticSearch引擎把文档数据写入到倒排索引（Inverted Index）的数据结构中，倒排索引建立的是分词（Term）和文档（Document）之间的映射关系，在倒排索引中，数据是面向词（Term）而不是面向文档的。
一个倒排索引由文档中所有不重复词的列表构成，对于其中每个词，有一个包含它的文档列表 示例： 对以下三个文档去除停用词后构造倒排索引
倒排索引查询过程查询包含“搜索引擎”的文档
通过倒排索引获得“搜索引擎”对应的文档id列表，有1，3通过正排索引查询1和3的完整内容返回最终结果倒排索引-组成
单词词典（Term Dictionary）倒排列表（Posting List）单词词典的实现一般用B+树
倒排列表（Posting List）
倒排列表记录了单词对应的文档集合，有倒排索引项（Posting）组成 倒排索引项主要包含如下信息： 1.文档id用于获取原始信息 2.单词频率（TF，Term Frequency），记录该单词在该文档中出现的次数，用于后续相关性算分 3.位置（Posting），记录单词在文档中的分词位置（多个），用于做词语搜索（Phrase Query） 4.偏移（Offset），记录单词在文档的开始和结束位置，用于高亮显示
B+树内部结点存索引，叶子结点存数据，这里的 单词词典就是B+树索引，倒排列表就是数据，整合在一起后如下所示
ES存储的是一个JSON格式的文档，其中包含多个字段，每个字段会有自己的倒排索引
倒排索引的结构
包含这个关键词的document list 包含这个关键词的所有document的数量：IDF（inverse document frequency） 这个关键词在每个document中出现的次数：TF（term frequency） 这个关键词在这个document中的次序 每个document的长度：length norm 包含这个关键词的所有document的平均长度 倒排索引不可变的好处
不需要锁，提升并发能力，避免锁的问题 数据不变，一直保存在os cache中，只要cache内存足够 filter cache一直驻留在内存，因为数据不变 可以压缩，节省cpu和io开销
