这一节介绍索引，作为一个搜索引擎，索引是搜索的核心元素，之所以搜索引擎这么快速，问题的关键也就是索引是否高效的问题，这里涉及到索引的IO，已经索引的检索，比如mysql B+树、mongodb B-树，这本质都是数据检索的侧重点不同（至于B+、B-树的数据结构差异，不了解的同学建议先网上科普，有助于存储知识体系的了解）。而我们该系列 Elasticsearch 则是基于倒排索引，我们都知道 Elasticsearch 是基于 Lucence （Apache Lucene - Welcome to Apache Lucene）开发的，lucence 楼主也用过，但现在工作侧重点不太涉及，所以这里就不铺开讲解
倒排索引&正排索引
在解释什么是倒排索引，我们先看一个简单的倒排索引的例子
假如有两个文档：
- The quick brown fox jumped over the lazy dog
- Quick brown foxes leap over lazy dogs in summer
如果采用正排索引，那很容易理解，就像目录一样，你只要找到对应的目录，就可以看到这个目录有哪些章节，对尚明2个简单文档进行倒排索引如下图：
2个文档的正排索引
上图，从左到右你很明显，可以看到一个文档有哪些词语，但是你确如果基于行，如果文档数量几千万，你却很难知道一些词存在哪些文档。所以，我们就需要倒排索引了，为了创建倒排索引，我们首先将每个文档的 content 域拆分成单独的 词（我们称它为 词条 或 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。
2个文档倒排索引
现在，如果我们想搜索某个词，比如summer，那么可以很方便的知道 doc_2 存在该词。如你搜索 Quick brown，你可以很方便知道doc_1 存在 brown，doc_2 存在Quick brown，仅计算匹配词条，我们知道明显doc_2相关性要高一点
注意：ES内部其实也用有模块是用到正排索引的，如doc values和fielddata
索引分析器
索引映射
字段分析器可以从三个层面进行定义：按字段（per-field）、按索引（per-index）或全局缺省（global default）。Elasticsearch 会按照以下顺序依次处理，直到它找到能够使用的分析器。索引时的顺序如下：
- 字段映射里定义的
analyzer，否则 - 索引设置中名为
default的分析器，默认为 -
standard标准分析器
在搜索时，顺序有些许不同：
- 查询自己定义的
analyzer，否则 - 字段映射里定义的
search_analyzer，否则 - 字段映射里定义的
analyzer，否则 - 索引设置中名为
default_search的分析器，默认为 - 索引设置中名为
default的分析器，默认为 -
standard标准分析器
注意：有时在索引时和搜索时使用不同的分析器是合理的。我们可能要想为同义词建索引（例如，所有
quick出现的地方，同时也为fast、rapid和speedy创建索引）。但在搜索时，我们不需要搜索所有的同义词，取而代之的是寻找用户输入的单词是否是quick、fast、rapid或speedy
索引操作
索引注意事项
待编辑，待完善====
