正排索引
一个文档中，有什么单词。是以文档作为维度。
倒排索引
这个单词在哪些文档中。以单词作为维度。
es使用的是倒排索引
倒排索引是怎么构成的
如下图所示倒排索引由 term index 、term dictionary、posting list组成
我们下面来看一个例子 数据如图所示 有3个文档
倒排索引的矩阵
18,20，男，女这种分词后的单词就做term。 【1,3】，【2】，【1,2】，【3】，这个是文档的id叫做posting list
那什么是term index，或者是term dictionary呢？
假设我们有这么一句话：This guy is great.分词后可能变成（不考虑去掉停用词等）
this、 guy 、is 、great 如果我们就这个去查询可能要扫描所有的term，如果我们排序一下变成
代码语言：javascript复制guy、 great、 is、 this 这样的话我们就能使用二分法去查询快速找到单词了，这个就是 term dictionary
有了term dictionary，可以用logN次磁盘查找得到目标。但是磁盘的随机读操作仍然是非常昂贵的（一次random access大概需要10ms的时间）。所以尽量少的读磁盘，有必要把一些数据缓存到内存里。但是整个term dictionary本身又太大了，无法完整地放到内存里。于是就有了term index。term index有点像一本字典的大的章节表。比如：A开头的term ……… Xxx页；C开头的term ……… Xxx页；E开头的term ………Xxx页。 term index不会包含所有的term，它包含的是term的一些前缀。通过term index可以快速地定位到term dictionary的某个offset，然后从这个位置再往后顺序查找。是以树的形式存在内存中的。
到这里我们就可以解释为什么es比mysql块了。因为mysql只有term dictionary这一层，以树的形式存储在磁盘中，检索一个term需要若干次的random access的磁盘操作。而Lucene在term dictionary的基础上添加了term index来加速检索，term index以树的形式缓存在内存中。从term index查到对应的term dictionary的block位置之后，再去磁盘上找term，大大减少了磁盘的random access次数。
PS: term index在内存中是以FST（finite state transducers）的形式保存的，其特点是非常节省内存。Term dictionary在磁盘上是以分block的方式保存的，一个block内部利用公共前缀压缩，比如都是Ab开头的单词就可以把Ab省去。这样term dictionary可以比b-tree更节约磁盘空间。
