Elasticsearch使用一种叫做倒排索引(inverted index)的结构来做快速的全文搜索。倒排索引由在文档中出现的唯一的单词列表，以及对于每个单词在文档中的位置组成（ An inverted index consists of a list of all the unique words that appear in any document, and for each word, a list of the documents in which it appears）。
例如，我们有两个文档，每个文档都有一个content字段，内容如下：
The quick brown fox jumped over the lazy dogQuick brown foxes leap over lazy dogs in summer
为了创建倒排索引，我们首先切分每个文档的content字段为单独的单词（我们把它们叫做词项（terms）或者词条（tokens）），把所有的唯一词项terms放入列表中并排序，并列出每个词项出现在哪些文档中，结果是这个样子的：
![]()
现在，如果我们想搜索"quick brown"，我们只需要找到每个词在哪个文档中出现即可：
![]()
两个文档都匹配，但是第一个比第二个有更多的匹配项。 如果我们使用一个简单的相似度算法(similarity algorithm)，只是计算匹配单词的数目，这样我们就可以说第一个文档比第二个匹配度更高——对于我们的查询具有更多相关性。
但是在我们的倒排索引中还有些问题：
（1）"Quick"和"quick"被认为是不同的单词，但是用户可能认为它们是相同的。
（2）"fox"和"foxes"很相似，就像"dog"和"dogs"，它们都是同根词。
（3）"jumped"和"leap"不是同根词，但意思相似，它们是同义词。
上面的索引中，搜索"+Quick +fox"不会匹配任何文档（前缀+表示单词必须匹配到）。"Quick"和"fox"都在同一文档中才可以匹配查询，但是第一个文档中只包含fox"，不包含"Quick"（虽然包含"quick"），而第二个文档中只包含"Quick"，不包含"fox"（虽然包含" foxes"）。用户可以合理地希望两个文档都能匹配查询，我们也可以做得更好。
如果我们将词为统一为标准格式，这样就可以找到不是确切匹配查询，但是足以相似从而可以关联的文档。例如：
（1）"Quick"可以转为小写成为"quick"。
（2）"foxes"可以被转为根形式"fox"。同理"dogs"可以被转为"dog"。
（3）"jumped"和"leap"同义就可以只索引为单个词"jump"
现在索引：
![]()
但我们还未成功。我们的搜索"+Quick +fox"依旧失败，因为"Quick"的确切值已经不在索引里，不过，如果我们使用相同的标准化规则处理查询字符串的content字段，查询将变成"+quick +fox"，这样就可以匹配到两个文档。
这个标准化的过程叫做分词(analysis)。
参考：https://www.elastic.co/guide/en/elasticsearch/guide/current/inverted-index.html
