搜索系统与 Elasticsearch 基础模型

Elasticsearch 不是把 SQL 换成 JSON，而是以文档为读写单位、用倒排索引按词找文档的分布式搜索引擎。读完本篇，你能解释一条文本怎样被索引，以及查询为什么不需要逐行扫描。

Open Table of contents

从正排变成倒排

正排数据回答“文档 42 有哪些字段”；倒排索引回答“包含 java 的文档有哪些”。索引时，分析器把标题规范化并切成词项（term），系统为每个词项记录文档集合、出现次数和位置等信息。

p-1: Java 架构设计  ┐
p-2: Java 入门      ├─> java -> [p-1, p-2]
p-3: 搜索实战       ┘   搜索 -> [p-3]

文档（document）是一条 JSON 记录，字段（field）是记录中的属性，索引（index）是一组结构相近的文档。不要把这里的 index 与 MySQL 二级索引混为一谈。

主分片把一个索引水平切成多份，使数据与查询可以分布到多个节点。副本是主分片的复制品，用于容错并可承担搜索读取。一次搜索通常由协调节点把请求发到相关分片，再归并各分片的候选结果。

分片不是越多越好。每个分片都需要文件、堆元数据、线程和恢复工作；分片过少又可能让单个分片过大、恢复过慢。创建索引前要先估算数据量、写入率、查询并发与故障恢复时间。

进入搜索架构实验室下载，运行：

mvn -Dtest=SearchArchitectureTest#invertedIndexFindsDocumentsAndFilterDoesNotChangeScore test

测试把三个商品写入内存倒排索引，查询 Java 后只保留 book 分类。它用于观察原理，不代替 Lucene 或 Elasticsearch。

搜索系统通常是数据库的派生视图：MySQL 保存交易真相，Elasticsearch 提供检索。这个边界决定后续必须设计同步、重建和校验。