前言
在日常工作中，我們經常會使用到ElasticSearch，在大資料量億級別的情況下使用它進行實時檢索，速度非常快。但是卻不知道它的原理是什麼，採用什麼方式進行檢索。和mysql資料庫有什麼區別？一直都有困惑

我花了些時間學習了一下。下面是我整理的內容，希望可以對大家有幫助

一、ES為什麼查詢速度快？
下面是一張表的資料：

id name age
1 張三 24
2 張四 23
3 李四 23
4 李五 24
在mysql中，主鍵id建立b+樹索引，然後通過目錄頁對應到資料頁，然後找到資料。對於傳統的增刪改查（用id）沒有任何問題，速度也很快。
查詢非主鍵的欄位如name或者age，則會使用到聚簇索引（面試常會考）因為用到了索引所以速度還是可以的。
但是對於全文檢索來說。比如查詢like %張三。這樣是走不到索引的，需要全表掃描。所以大資料量情況下全表掃描速度非常慢。但是對於es來說，這就好辦多了

es採用倒排索引
下面的的索引結構其實就是倒排索引。
name：

Term Posting List（文件id集合）
張三 【1】
張四 【2】
李四 【3】
李五 【4】
age：

Term Posting List（文件id集合）
23 【2，3】
24 【1，4】
Posting List
Elasticsearch會為每個field都建立了一個倒排索引，張三、李四、23、24…這些叫term，而[1,4]就是Posting List。Posting list就是一個int的陣列，儲存了所有符合某個term的文件id。

通過posting list這種索引方式似乎可以很快進行查詢，比如要找age=24的同學，很快就會找到，id是1，4的同學。但是，如果有上千萬的記錄呢？如果是想通過name來查詢呢？所以需要將Term進行排序

Term Dictionary
Term Dictionary：為了快速找到某個特定的term，將所有的term進行排序。再採用二分查詢法查詢term。時間複雜度logN
看起來，似乎和mysql資料庫通過B-Tree的方式類似。而且Elasticsearch直接通過記憶體查詢term，不讀磁碟，但是如果term特別多的話，term dictionary也會很大，將所有的term dictionary都快取到記憶體裡是不太現實的。

Term Index
它包含的是term的一些字首。所以term index 佔用的空間只有term的的幾十分之一。在記憶體裡可以放更多的term index。快取所有的term index到記憶體裡是可以的。
Term Index，就像字典裡的索引頁一樣，A開頭的有哪些term，分別在哪頁，可以理解term index是一顆樹
如圖：

從term index查到對應的term dictionary之後，再去磁碟上找term，大大減少了磁碟隨機讀的次數，查詢效率大大提升