深度剖析Elasticsearch核心倒排索引数据结构

Elasticsearch 简介

Elasticsearch 是一个分布式、高扩展、高实时的搜索与数据分析引擎。Elasticsearch 建立在全文搜索引擎 Apache Lucene™ 基础上，通过 Lucene 的倒排索引技术实现比关系型数据库更快的过滤，从而很方便的使大量数据具有搜索、分析和探索的能力。

毫无疑问，Elasticsearch的底层核心是倒排索引。 Elasticsearch通过扩展服务器集群的方式，将数据以文档的形式，FST压缩的方式，分布式实时存储；同时为文件每一个字段添加倒排索引，通过倒排索引以及skip list 和 bitset 三种数据结构实现实时分布式分析和快速搜索的功能。

Elasticsearch 数据存储

先说Elasticsearch的文件存储，Elasticsearch是面向文档型数据库，一条数据在这里就是一个文档，用JSON作为文档序列化的格式，比如下面这条学生数据：

{
   
	"stuName":"Rose",
	"age":18,
	"gender":"Male",
	"resume":"I am gooding at studying",
	"tuition":26800.00,
	"hobbies":["sleep","games"],
	"address":{
   
		"province":"JiangSu",
		"city":"NanJing",
		"district":"YuHua"
	}
}

如果用传统的关系型数据库比如说mysql来存储上述这条数据时，我们能够想到的是去建立一张student表，表中有stuName，age，tuition，hobbies，address字段等，而在Elasticsearch里这就是一个记录student类型的文档，所有的字段类型都存在于这个文档的索引里。这里有一份简易的将Elasticsearch和关系型数据术语对照表:

Elasticsearch和传统的数据库一样，索引、类型、文档、字段都是一对多的关系。Elasticsearch数据交互可以通过HTTP的Restful请求方式直接请求，也可以通过java API请求。值得注意的是，Elasticsearch主要用来查询，因为其每一个字段都有倒排索引这种需要大量的储存空间，我刚开始接触Elasticsearch的事实增删改，如果不实用shell脚本的话，要一条一条的执行，增删改的效率很低，不如传统的数据库。事实上，现在市场的主流就是Elasticsearch与传统数据库公用，Elasticsearch用来查询，传统的用来增删改，Elasticsearch连接数据库和客户端搜索引擎的桥梁。

倒排索引

Elasti