Elasticsearch（es）为什么查询速度快？（速懂）

前言：在日常工作中，我们经常会使用到ElasticSearch，在大数据量亿级别的情况下使用它进行实时检索，速度非常快。但是却不知道它的原理是什么，采用什么方式进行检索。和mysql数据库有什么区别？一直都有困惑。

---

 

我花了一点时间学习一下，下面是我学习后整理出来的内容，希望对你们有帮助。

ES为什么查询速度快？

我写了一张比较简单的表：

id	name	age
1	张三	24
2	李四	25
3	王麻子	24

在mysql中，主键id建立b+树索引，然后通过目录页对应到数据页，然后找到数据。对于传统的增删改查（用id）没有任何问题，速度也很快。

查询非主键的字段如name或者age，则会使用到聚簇索引，因为用到了索引所以速度还是可以的。

但是对于全文检索来说。比如查询like %张三。这样是走不到索引的，需要全表扫描。所以大数据量情况下全表扫描速度非常慢。但是对于es来说，这就好办多了

es采用倒排索引

下面的的索引结构其实就是倒排索引。

比如查name：

Term	PostingList（文档id集合）
张三	【1】
李四	【2】
王麻子	【3】

查age：

Term	PostingList（文档id集合）
25	【2】
24	【1,4】

Posting List

Elasticsearch会为每个field（文档）都建立了一个倒排索引，张三、李四、25、24…这些叫term，而[1,4]就是Posting List。Posting list就是一个int的数组，存储了所有符合某个term的文档id。

通过posting list这种索引方式似乎可以很快进行查找，比如要找age=24的同学，很快就会找到，id是1，4的同学。但是，如果有上千万的记录呢？如果是想通过name来查找呢？所以需要将Term进行排序

Term Dictionary
为了快速找到某个特定的term，将所有的term进行排序。再采用二分查找法查找term。时间复杂度logN
看起来，似乎和mysql数据库通过B-Tree的方式类似。而且Elasticsearch直接通过内存查找term，不读磁盘，但是如果term特别多的话，term dictionary也会很大，将所有的term dictionary都缓存到内存里是不太现实的。
Term Index
它包含的是term的一些前缀。所以term index 占用的空间只有term的的几十分之一。在内存里可以放更多的term index。缓存所有的term index到内存里是可以的。
Term Index，就像字典里的索引页一样，A开头的有哪些term，B开头的有哪些term，分别在哪页，可以理解term index是一颗树

如图：

 从term index查到对应的term dictionary之后，再去磁盘上找term，大大减少了磁盘随机读的次数，查询效率大大提升。