谈到ES中的倒排索引，就不得不说到有限状态机：FST(Finate State Transducers)。当事务一分为二的时候，看到一个整体，那么就更能帮助我们理解这个概念。
既然说到有限状态机，那么什么是无限状态机？无限状态机，从字面意思我们大概就能明白，有无限个状态，无法穷举所有状态的计算的机器。比如，无限循环的小数，除不尽的数，无法列举所有状态。这就好比永动机，计算需要无尽的内存，还要保证可持续的电力供应。如果要解决此类问题，可以使用符合图灵完备性的机器实现。
有限状态机：顾名思义，就是可以穷举实体所有状态，通过机器去实现。然后通过各种优化，减少内存占用。减少内存占用最常用的方式是通过算法实现压缩，然后再通过反解析来获取原有数据。减少磁盘，网络之间的IO。现有网盘极力推荐使用客户端，应该跟这个也有一定的关系。其内部肯定也有一定的优化压缩算法，这个大家具体去了解一下。
好了，到了这里，今天要关注的有限状态机FST的思想可以开始探讨了。
首先有一组数据，tea term test tester that this ，我们输入的数据在一段时间内是一个有限状态的集合，那么如果这个集合足够大，我们如何通过算法优化，来更好的优化内存存储，减少磁盘，网络IO实现呢？
我们来看一个FST直观感受的界面，把上述单词依次输入进去，看下他的变化，大家应该就明白这里面的奥义了。
输入tea：可以看到从黑线开始，单词首先被拆分成各个字符，前一个指向后一个，最后a显示是一个终结状态，也就是单词的结束，也能区分出来，这条线比前面的粗。
输入term：这个里面可以看到，te这两个字符被复用了，两个单词形成了一个有向无环图。
而a状态的确定，根据r的出现，而最终确定，我们默认，数据是排好序的。
输入test|tester: 可以清楚看到，test中间有个输出状态，tester有个最终的状态，也就是test被完全复用了，实际上test这个t会有输出一个数字，来确定这个状态属于一个完整的单词输出。
同理：我们输入that,this会从e下面多出一个分支，th在两个单词之间会复用，我们做下验证。
可以看到确实跟我们推测的一样。大家有兴趣，可以自己去尝试一下。此外ES的也有RBM，和FOR压缩算法，大家私下可以了解一下。
因为场景的转变，技术是不断迭代的，而先进思想是永远不会落伍的，获取到更多的思想智慧，才能把创新的步子迈出去。
