【Elasticsearch】除了倒排索引和docValues还有其他的存储结构吗？

除了倒排索引（inverted index）和 `doc values`，Elasticsearch 还使用了其他几种存储结构来优化不同类型的查询和操作。这些结构共同工作，以提供高效的数据检索、分析和其他功能。以下是一些主要的存储结构：

### 1. **Source Field (_source)**
- `_source` 字段存储了原始的文档内容。尽管它不是一种独立的索引结构，但它在返回搜索结果时非常重要，因为它包含了文档的所有原始数据。
- 当您执行搜索请求并希望获取完整的文档或文档的部分字段时，Elasticsearch 将从 `_source` 字段中提取所需信息。

### 2. **Stored Fields**
- 与 `_source` 类似，`stored fields` 允许您指定某些字段单独存储。这意味着即使 `_source` 被禁用，您仍然可以存储和检索特定字段的值。
- 它主要用于需要快速访问特定字段值但不需要全文搜索的场景。

### 3. **Completion Suggester Index**
- Elasticsearch 提供了一个专门用于自动补全（autocomplete）建议的结构，称为 Completion Suggester。这种结构是基于 FST（Finite State Transducer）实现的，旨在提供高效的前缀匹配查询。
- 它特别适用于需要快速响应用户输入并提供即时建议的应用场景，如搜索引擎的自动补全功能。

### 4. **Norms**
- Norms 用于存储每个文档对某个字段的长度归一化因子和增益控制信息。它们主要用于评分计算，特别是在 TF-IDF（词频-逆文档频率）算法中。
- Norms 帮助 Elasticsearch 在进行全文搜索时考虑文档长度的影响，确保较长文档中的词项不会因为出现次数较多而获得不适当的高权重。

### 5. **Points**
- Points 数据结构用于支持空间数据类型，如 `geo_point` 和 `geo_shape`。它们允许对地理位置数据进行高效的查询，包括距离计算、范围查询和形状交集等。
- 这种结构对于地理信息系统（GIS）、位置服务和其他涉及地理位置的应用至关重要。

### 6. **Sequence Numbers and Checkpoints**
- 为了支持实时性较强的特性，如跨集群复制（CCR），Elasticsearch 使用序列号（sequence numbers）和检查点（checkpoints）来跟踪分片的状态。
- 这些机制保证了数据的一致性和可靠性，尤其是在分布式环境中。

### 总结
Elasticsearch 利用了多种不同的存储结构来满足不同类型的操作需求，从全文搜索到地理位置查询，再到自动补全建议等。每种结构都有其特定的目的和优势，它们共同作用，使得 Elasticsearch 成为一个强大的搜索和分析平台。理解这些结构及其用途可以帮助您更好地设计索引策略，优化查询性能，并充分利用 Elasticsearch 的所有功能。