精确值vs全文
es中的数据主要分为两类：精确值和全文。
精确值，例如指定的id、邮箱地址、用户名，都属于精确值查询，Hello和hello是不同的。
全文，指的是文本数据（通常以人类容易识别的语言书写），例如一条微博的内容或者一封邮件的内容。
全文通常指非结构化的数据，自然语言是高度结构化的，但是自然语言的规则是复杂的，计算机通常难以正确解析。例如下面这句话到底指的是月份还是人？
May is fun but June bores me.
精确值很容易查询，要么匹配，要么不匹配，我们很容易用SQL表示：
WHERE name = "John Smith"
AND user_id = 2
AND date > "2014-09-15"
查询全文数据则微妙的多，不仅需要匹配查询，而且还有相关性的分析，该文档与我要查询的内容的相关性有多大？不仅如此，我们还希望搜索的结果能够理解我们的意图：
- 搜索
UK，返回包含United Kindom的文档； - 搜索
jump，匹配jumped，jumps，jumping；
为了能够达成这类全文查询，es首先分析文档，之后根据结果创建倒排索引。
倒排索引
es中使用了一种被称为倒排索引的结构，它用于快速的全文搜索，一个倒排索引由文档中所有不重复词的列表构成。
例如，我们有两个文档，每个文档的content域包含如下内容：
- The quick brown fox jumped over the lazy dog
- Quick brown foxes leap over lazy dogs in summer
为了创建倒排索引，我们会将每个文档的content域拆分成单独的词（我们把它称为词条或者tokens），创建一个包含所有不重复词条的排序列表，然后列出每个词条出现在哪个文档。结果如下所示：
如果我们想搜索
quick brown，我们只需要查找包含每个词条的文档：
两个文档都匹配，但是文档1的匹配度更高，如果仅计算匹配词条数量的简单 相似性算法，那么对于查询的相关性来说，文档1更加符合。
目前上面这种倒排索引还存在一些问题：
Quick和quick以独立的词条出现，但是用户可能认为他们的相同的词。fox和foxs，dog和dogs，拥有相同的词根。jumped和leap, 尽管没有相同的词根，但他们的意思很相近。他们是同义词。
使用前面的索引搜索 +Quick +fox 不会得到任何匹配文档。（记住，+ 前缀表明这个词必须存在。）只有同时出现 Quick 和 fox 的文档才满足这个查询条件，但是第一个文档包含 quick fox ，第二个文档包含 Quick foxes 。
我们可以做出一些优化，将词条规范为标准模式，虽然找到的文档和用户搜索的词条不完全一致，但具有一定的相关性。例如：
Quick小写化为quick；foxes提取词干为fox；jumped和leap是同义词，可以索引为相同的单词jump。
现在的索引：
我们使用+Quick +fox搜索仍会失败，因为在索引中已经没有Quick了，因此我们对搜索的字符串的格式应该使用与content域的格式保持一致，使用+quick +fox，这样两个文档会匹配。
分析与分析器
分析主要包含以下过程：
- 将一块文本分成适合于倒排索引的独立词条。
- 将这些独立词条统一化为标准格式以提高它们的可搜索性。
分析器执行上面的流程。
分析器中有三个功能：字符过滤器去掉无效的字符或者转义响应的字符，然后通过分词器，将字符串拆分为单个的词条，最后通过Token过滤器增加、删除、改变词条。
字符过滤器
字符串按照顺序通过每个字符过滤器。它们的作用就是在分词前整理字符串，用来去掉HTML，或者将&转换成and。
分词器
字符串被分词器分为单个词条。
Token过滤器
最后，词条按顺序通过每个 Token过滤器。过程中可能会改变词条（例如，小写化Quick），删除词条（例如， 像 a， and， the 等无用词），或者增加词条（例如，像 jump 和 leap 这种同义词）。
es提供了开箱即用的字符过滤器、分词器和token过滤器。我们可以将这些自行组合起来形成自定义的分析器用于不同目的。
内置分析器
es附带了可以直接使用的预包装分析器，我们来看看几个最重要的分析器，从例子中观察它们之间的差异。
"Set the shape to semi-transparent by calling set_trans(5)"
标准分析器
标准分析器是es默认使用的分析器。它是分析各种语言文本最常用的选择。它根据Unicode 联盟定义的 单词边界划分文本，删除绝大部分标点，最后将词条小写。它会产生以下词条：
set, the, shape, to, semi, transparent, by, calling, set_trans, 5
简单分析器
简单分析器在任何不是字母的地方分隔文本，词条小写，它会产生以下词条：
set, the, shape, to, semi, transparent, by, calling, set, trans
空格分析器
空格分析器在空格的地方划分文本，它会产生以下词条：
Set, the, shape, to, semi-transparent, by, calling, set_trans(5)
语言分析器
特定的语言分析器可用于很多语言，它们可以考虑指定语言的特点。例如，英语分析器附带了一组英语无用词（例如and或者the，它们对相关性没有影响），它们会被删除。这个分词器可以提取英语单词的词干。
英语分词器会产生下面的词条：
set, shape, semi, transpar, call, set_tran, 5
我们可以看到原本的transparent、calling和set_trans已经变为词根格式。
全文域和精确值域
当我们索引一个文档，它的全文域被分析成词条以用来创建倒排索引。当我们在全文域搜索的时候，我们需要将查询字符串通过相同的分析器，以保证搜索的词条格式与索引中的词条格式保持一致。
- 当你查询一个全文域时，会对查询字符串应用相同的分析器，以产生正确的搜索词条列表。
- 当你查询一个精确值时，不会分析查询字符串，而是搜索你指定的精确值。
