一、 索引数据结构
搜索引擎使用倒排索引来组织数据，比如源文档
｛"id":1,"title":"这是一张很贵的名画","tag":12345}
｛"id":2,"title":"这是一幅相当贵的名画","tag":54321}
title 可以分词为
- "这/是/一张/很/贵/名画/画”
- "这/是/一幅/相当/贵/名画/画"（"的"字作为停止词没有进入到索引）
分词得到的每一个词元，比如"画"，称作一个term，那么倒排索引存储的数据将会变成：
title | tag | ||
|---|---|---|---|
term | 文档id | term | 文档id |
这 | 1,2 | 12345 | 1 |
是 | 1,2 | 54321 | 2 |
一张 | 1 | ||
一幅 | 2 | ||
很 | 1 | ||
相当 | 2 | ||
贵 | 1,2 | ||
名画 | 1,2 | ||
画 | 1,2 | ||
二、搜索如何进行模糊匹配
搜索引擎使用倒排索引来进行模糊匹配，以上文为例，输入"很贵的画”搜索时：
首先输入词也进行分词"很/贵/画"，然后用得到的term去和索引数据进行比对，得到："很"->{1}，“贵”->{1,2}，"画"->{1,2}，然后"很"∩"贵"∩"画"＝{1}，得到文档1为结果，模糊匹配在索引内部都是通过分词后的term精确匹配来计算的
2.1 关于匹配度
es的match查询通常可以带匹配度（默认是75%），依旧输入"很贵的画"，如果匹配度是100%，那么结果就是"很"∩"贵"∩"画"＝{1}，如果匹配度降到75%（搜索词越短，75%的范围越模糊），那么结果(按正常理解)可以是（"很"∩"贵）υ（"贵"∩"画"）υ（"很"∩"画"）＝{1,2}
2.2 关于短的搜索词
上面说到短的搜索词75%的匹配度很模糊，因为貌似es有个匹配度自动降级，短词搜索的时候匹配度会自动降到最低，只要有一个term匹配就可以当作结果。
还是上面的例子，输入"很贵的画"，分词得到"很/贵/画"，按照75%的匹配度，结果应该是（"很"∩"贵）υ（"贵"∩"画"）υ（"很"∩"画"）={1,2}，但是实际的搜索结果是"很"υ"贵"υ"画"={1,2}