elasticsearch底层

### Elasticsearch 底层实现原理

#### 架构设计

Elasticsearch 是一个分布式的搜索引擎，其架构基于分布式系统的设计原则。集群中的节点分为不同角色：

- **Master Node**: 负责管理集群状态和元数据操作。
- **Data Node**: 存储实际的数据并负责搜索请求的处理。
- **Client Node/Coodinator Node**: 不保存任何数据，仅用于转发客户端请求给其他节点。

整个系统的通信依赖于 RESTful API 和 JSON 协议来完成交互。每个索引被划分为多个分片（shards），这些分片可以在不同的物理机器上分布存储，以提供水平扩展的能力[^1]。

#### 数据结构与索引机制

在内部，Elasticsearch 使用 Lucene 来构建倒排索引。每当有新的文档插入时，会先经过一系列预处理步骤，比如通过 IK 分词器对文本内容进行分割成词语单元[^2]。接着按照字段映射规则将各个属性转换为适合索引的形式，并最终存入到对应的 shard 中去。

对于每一个 shard 实际上就是一个完整的 Lucene 索引实例，它由若干个 segment 组成。随着更多记录不断追加进来，Lucene 会在适当条件下触发段合并过程，减少磁盘 I/O 开销的同时也提高了查询性能[^5]。

#### 查询优化技术

为了加快检索速度，除了采用高效的压缩算法外，还实现了诸如 force merge 这样的维护工具。通过对只读类型的索引强制执行段落融合命令，能够显著降低每次查找过程中需要访问的不同片段数量，进而提升整体响应时间[^3]。

另外，在创建倒排表之前会对原始词条应用标准化规则(normalization)，这有助于改善后续匹配阶段的效果以及增强跨平台一致性[^4]。

{
    "settings": {
        "index.number_of_shards": 3,
        "index.number_of_replicas": 2
    },
    "mappings": {
        "_doc": {
            "properties": {
                "title": { "type": "text", "analyzer": "ik_max_word" }
            }
        }
    }
}

这段配置展示了如何设置一个多副本、三份分片的索引，并指定 `title` 字段使用 IK 分析器来进行全文本分析。