上一篇：ElasticSearch（6）—Kibana插件
1.正向索引和反向索引
涉及到索引的概念的时候，首先需要知道，索引可以分为正向索引和反向索引（也可以理解为倒排索引）。
正向索引：
正向索引可以简单理解为从文档到单词。例如现在有4个文档，
| Doc | Words |
|---|---|
| Doc1 | On the road of life |
| Doc2 | never retreat from the whole body |
| Doc3 | enjoy its achievements and get something for nothing |
| Doc4 | If you don’t work hard, you’re out |
建立正向索引就会先解析每个文档中出现的单词，然后建立从文档到单词的映射关系。
| Doc | Words |
|---|---|
| Doc1 | On，the， road， of， life |
| Doc2 | never ，retreat， from， the， whole， body |
| Doc3 | enjoy ，its， achievements， and， get， something， for， nothing |
| Doc4 | If ，you， do ,not, work hard, you are out |
反向索引：
反向索引可以简单理解为从单词到文档。还是以上面4个文档为例，建立反向索引 就会建立单词到文档的映射关系
| Word | Doc |
|---|---|
| On | Doc1， |
| the | Doc1，Doc2, |
| road | Doc1 |
| …… | …… |
反向索引不仅能够记录某个单词在文档中出现的位置，还可以记录在文档中出现的次数。比如上表中的On在Doc1中出现1次，单词you在Doc4中出现了2次。
2.ElasticSearch为什么不用正向索引？
如果使用正向索引，用户在输入搜索关键词的时候，会遍历所有的文档，找出包含该关键词的文档。再向用户进行数据响应。但是ElasticSearch往往是用来处理一些拥有海量数据的应用需求（如百度搜索等），使用正向索引效率太低，无法实时响应数据。所以此时使用反向索引（倒排索引）更加合理。
3.倒排索引案例
现在有下面这样一个栗子，我们需要对下面图中所示的文档建立倒排索引。（图片来源于网络）
使用分词器将文档中的内容进行单词切分。并记录出现这些单词的文档编号。
如果现在某用户想要搜索谷歌，那么就可以直接找到出现谷歌单词的文档有：1，2，3，4，5。倒排索引不仅能够记录关键词的位置信息，还可以记录关键词出现的频率。比如下图中的Wave在文档4中出现了1次，拉斯在文档3中出现了1次，在文档5中出现了1次。
在进行搜索结果展示的时候，会根据索引的匹配度来进行打分，分数越高，排名越高。
如现在搜索谷歌加盟网站
| 单词 | 文档1 | 文档2 | 文档3 | 文档4 | 文档5 |
|---|---|---|---|---|---|
| 谷歌 | * | * | * | * | * |
| 加盟 | * | * | * | ||
| 网站 | * |
按照上图表中的星号分布所示，文档5打分最高，匹配度最高。