Elasticsearch之所以能在海量文本中做到秒级甚至毫秒级的全文检索，底层最核心的依赖就是倒排索引（inverted index）。传统关系型数据库常用的B+树索引擅长按主键或有序字段精确定位某一行记录，而面对“包含某个关键词的所有文章”这类问题，行存结构必须逐行扫描。倒排索引反其道而行之，先把文本内容拆分成一个个词项（term），再维护每个词项对应哪些文档、在文档中的什么位置，查询时直接查词项即可获得文档列表。
倒排索引的基础结构与写入过程
在Elasticsearch中，每个分片（shard）下的Lucene索引由多个段（segment）组成，每一个段都是一个独立的倒排索引。倒排索引主要包含两部分：词项字典（Term Dictionary）和倒排列表（Posting List）。词项字典记录了所有出现过的词项，并指向对应的倒排列表；倒排列表中保存了包含该词项的文档ID、词频（用于算分）、位置信息（用于短语查询）以及偏移量。
当文档写入时，首先经过分词器（analyzer）处理。分词器依次执行字符过滤器、分词器和词项过滤器，将一段文本切分为标准化词项。例如英文文本“Quick brown foxes”经过 lowercase 和 stemmer 处理后可能变成“quick”“brown”“fox”。这些词项被加入到内存缓冲区，随后以段的形式刷盘，形成不可变的倒排索引。由于段不可变，更新文档实际上是标记旧文档为删除，并在新段中写入新文档，后台合并（merge）过程才会真正回收空间。
理解这一结构对优化非常重要。如果某个字段不需要参与搜索，就不应生成倒排索引，否则词项字典会无谓膨胀。通过映射（mapping）中将index: false设置到不需要检索的字段，可以显著减少磁盘占用和写入开销。同时，倒排列表中的位置信息仅在需要使用 match_phrase 或 span 查询时才必要，关闭index_options中的位置项也能进一步压缩索引。
分词器如何决定倒排索引的质量
分词器直接决定了词项字典里到底存了什么，从而影响召回率和准确率。以中文场景为例，如果直接使用标准分词器（standard analyzer），会将“智能手机价格”切为“智”“能”“手”“机”“价”“格”等单字，倒排索引会变得极其稀疏，且无法有效区分语义。而采用 IK 分词器或结巴分词，可切出“智能手机”“价格”等完整词项，查询“智能手机”时不会误召回仅含“智能”和“手机”分开出现的文档。
下面的代码展示了在 Elasticsearch 中自定义一个简单分析器的映射配置，其中使用 ik_max_word 对中文做细粒度切分，并增加了去重词项过滤：
{
"settings": {
"analysis": {
"analyzer": {
"my_ik_analyzer": {
"type": "custom",
"tokenizer": "ik_max_word",
"filter": ["lowercase", "unique"]
}
}
}
},
"mappings": {
"properties": {
"content": {
"type": "text",
"analyzer": "my_ik_analyzer",
"search_analyzer": "ik_smart"
}
}
}
}
需要注意的是，索引期和检索期可以使用不同的分析器。如上例中索引时用 ik_max_word 尽可能多地析出词项，而搜索时用 ik_smart 粗粒度匹配，能在保证召回的同时提升查询速度。如果两侧分词不一致，会出现明明文档里有相关词却搜不到的情况，这是倒排索引使用中典型的坑。
另外，词项的大小写归一、同义词扩展也会写入倒排索引。例如配置同义词过滤器后，“手机”和“移动电话”会映射到同一词项，查询任一词都能命中对方文档。但这会增加词项字典规模和索引体积，需结合业务权衡。
基于倒排索引的查询执行与性能优化
当执行一个 match 查询时，Elasticsearch 先解析查询语句得到词项，然后在各分片的词项字典中定位这些词项，取出倒排列表做布尔运算（如 AND、OR），再利用词频和字段长度归一值（norm）计算相关性得分。由于倒排列表按文档ID有序，多词项取交集可使用跳表（skip list）快速跳跃，避免逐条比对，这是其高效的根源。
但在大规模集群中，词项字典常驻堆内存以便快速查找，如果字段基数高、分词碎，极易引发堆压力。一个有效的优化是合理使用 doc_values 和列式存储：对于聚合、排序所需的字段，开启 doc_values 让数据以列存落盘，而不依赖倒排索引里的 norm 信息。对于只聚合不检索的数值字段，可直接设为index: false但doc_values: true。
以下示例展示了一个日志索引的精简映射，避免对全量文本建倒排，仅对关键检索字段建索引，其余使用列式存储：
{
"mappings": {
"properties": {
"message": {
"type": "text",
"index": true,
"analyzer": "standard"
},
"trace_id": {
"type": "keyword",
"index": true
},
"raw_payload": {
"type": "object",
"enabled": false
},
"timestamp": {
"type": "date",
"index": false,
"doc_values": true
}
}
}
}
最后，定期执行 force merge 将小段合并为大段，能减少词项字典的重复头和段数量，降低查询时的扇出。配合合理的分片大小（如单分片 20G 到 50G），倒排索引的查询延迟可以保持稳定。理解倒排索引从文本到词项、从词项到文档的映射链条，是每一个使用 Elasticsearch 的工程师做深性能调优的前提。
Elasticsearchinverted_indexfull_text_search修改时间：2026-08-18 08:24:28