作者介绍：简历上没有一个精通的运维工程师。请点击上方的蓝色《运维小路》关注我，下面的思维导图也是预计更新的内容和当前进度(不定时更新)。
中间件，我给它的定义就是为了实现某系业务功能依赖的软件，包括如下部分:
Web服务器
代理服务器
ZooKeeper
Kafka
RabbitMQ
Hadoop HDFS
Elasticsearch ES (本章节）
前面几个小节我们介绍的都是ES的实际操作，今天我们来讲讲关于ES底层技术之一：倒排索引 (Inverted Index)。
讲解倒排索引之前我们需要先了解什么是正排索引（Forward Index），** 正排索引，它以文档为中心存储原始内容，是数据库、搜索引擎和大数据系统中实现高效数据检索的关键组件。**
- 正排索引 → 书籍前面的页码目录（通过页码直接定位到内容），实际上他并不算严格意义的正排索引，因为通过ID或者页面实际上利用的是主键索引。真正的查询是属于内容进行查询，所以他需要进行全表扫描。
正排索引是以文档（Document）为中心的索引结构。它记录的是：每个文档中包含了哪些内容。假设有以下三篇文档：
- Doc1： "apple banana"
- Doc2: "banana cherry"
- Doc3: "apple cherry date"
那么正排索引的结构看起来像这样：
ID
内容
1
apple banana
2
banana cherry
3
apple cherry date
从文档 → 单词（内容）类似于你写日记时，每篇日记记录当天发生了什么想要查找“哪些文档包含 apple”，就必须逐篇扫描所有文档内容，效率很低。
倒排索引是以单词（Term）为中心的索引结构。它记录的是：每个单词出现在哪些文档中。
继续上面的例子，构建倒排索引如下：
单词
出现的文档ID列表
apple
[1, 3]
banana
[1, 2]
cherry
[2, 3]
date
[3]
从单词 → 文档列表想找“包含 apple 的文档”？直接查表，瞬间得到 Doc1 和 Doc3极大提升关键词检索速度，是搜索引擎的核心技术之一。
虽然每篇文字都有编号或者ID，但是当我们实际搜索的都是使用内容进行搜索，而非使用ID进行进行搜索。所以在搜索内容的是倒排索引效率会更高。
运维小路
一个不会开发的运维！一个要学开发的运维！一个学不会开发的运维！欢迎大家骚扰的运维！
关注微信公众号《运维小路》获取更多内容。
