这是我参与 8 月更文挑战的第 5天，活动详情查看： 8月更文挑战
前面我们已经说了为什么选择ES了，今天看看他如何工作；在对海量数据进行处理时就不得不用算法，更好的存储结构来管理这些数据，它和数据库一样，他也有索引，在ES中称为倒排索引，你也可以叫它转置索引；
倒排索引
说起倒排索引，自然要先分开说下倒排、索引， 索引大家都非常清楚，数据库里的聚簇索引、二级索引等大家都已经在数据库那里受到问候了，就不细说了， 计算机恒定的法则，时间换空间；空间换时间！索引就是典型的空间换时间，（在倒排这里表现更为严重，当然这空间消耗的是值得的）将数据以一种特定格式来记录文件的存储位置，从前的数据库的索引是以索引值或者键值ID来进行数据的检索，这样对一般体积的数据没问题，但是对于网页中那么多数据（海量数据），你怎么办，数据库会慢到崩溃，如果用户是模糊查询呢，关联查询呢，你的sql该如何写我也不知道了； 所以倒排的索引采用文件中的关键字来作为key，通过该关键字找到该文件或多个存在该关键字的文件，可是为什么还用索引呢(小白问题)，因为数据的检索不可能实时去索引，而是将这些记录以文件方式去存储（即索引），下次直接取这记录的就好了，简单高效（最简单的判断实时就是你百度最新的其他平台信息，当时你可能搜不到，但是一会后也许就可以搜到了）， 倒排是“关键词——文档”形式的一种映射结构，
倒排是如何工作的
首先用户输入一些关键字，分词系统会对用户请求的关键字进行分析产生一组组的关键字，这些关键字会去匹配索引列表中对应的关键字，如果算法优良的话，还可以计算关键字搜索出来的文档的相关文档（就像你打错了字，但有时候搜索引擎依然能get到你一样），然后对文档搜索出来的权重进行排序，这方面还有个名字叫SEO，也便是这里做处理了，
上表我只是简单表述一下分词的意思，实际的算法是非常复杂的，你还可以在后面追加单词出现的位置等;
Elasticsearch的内置分词器
-
Standard Analyzer - 默认分词器，按词切分，小写处理
-
Simple Analyzer - 按照非字母切分(符号被过滤), 小写处理
-
Stop Analyzer - 小写处理，停用词过滤(the,a,is)
-
Whitespace Analyzer - 按照空格切分，不转小写
-
Keyword Analyzer - 不分词，直接将输入当作输出
-
Patter Analyzer - 正则表达式，默认\W+(非字符分割)
-
Language Analyzers - 提供了多语言特定的分析工具
-
Customer Analyzer 自定义分词器
分词器的主要组成是：
- character filter（字符过滤器）:接收原字符流，通过添加、删除或者替换操作改变原字符流。例如：去除文本中的html标签。一个字符过滤器可以有零个或者多个。
- tokenizer：将一整段文本拆分成一个个的词。例如拆分英文，通过空格能将句子拆分成一个个的词，对于中文来说，无法使用这种方式来实现。只能借助优秀的算法工程师了；在一个分词器中,有且只有一个tokenizeer
- token filters：将切分的单词添加、删除或者改变。例如将所有英文单词小写，或者将英文中的停词a，and，the,or删除等,或者添加一些必要的词。在token filters中，不允许将token(分出的词)的position或者offset改变。同时，在一个分词器中，可以有零个或者多个token filters
大概的概念就是这些，下篇我们说说，不同分词器出现的结果有何不同，届时可能着重英文单词，中文分词简单文本，因为复杂文本靠着内置的分词器，觉得好难得到理想结果啊；
慢慢来，理清了概念，一切都会水到渠成的
