大数据-182 Elasticsearch 倒排索引底层拆解
1. 倒排索引核心概念
倒排索引由两部分组成：
- Terms Dictionary（词典）：所有 Term 的集合，按字典序排列
- Posting List（倒排表）：每个 Term 对应的文档列表
正排：DocId → Document
倒排：Term → [DocId1, DocId2, DocId3, ...]2. Lucene 索引文件结构
| 文件后缀 | 含义 |
|---|---|
.tim | Terms Dictionary，存储 Term 及 Postings 指针 |
.tip | Terms Index，FST 结构，存储 Term 前缀和 Block 位置 |
.doc | 存储 DocId 和词频 |
3. FST（有限状态转换器）
FST 是 Term Index 的实现结构：
- 优点：可以全部加载到内存，毫秒级定位
- 原理：用有向无环图存储 Term 前缀共享
4. SkipList（跳表）
用于加速多个 Posting List 的交集计算：
- 时间复杂度从 O(N) 降至 O(logN)
- 减少无效比较
5. 查询流程
- 通过 Terms Index（FST）快速定位 Term
- 从 Terms Dictionary 获取 Postings 指针
- 读取 Postings
- 使用 SkipList 合并多个 Posting List
6. 总结
Lucene 分段不可变 + flush/merge 的写入模型，决定了 ES 近实时（NRT）的特性：写入快，但查询需要 merge 多个段的结果。