第 1 章 旅程的起点：从一段文本到倒排索引

第 1 章 · 旅程的起点：从一段文本到倒排索引

章节摘要：任何一段要被搜索的文本，都得先回答两个问题——引擎用什么结构记住它？它住在一个什么样的分布式世界里？本章用一次搜索事故引入倒排索引的直觉，画出节点、分片、副本的集群地图，再对比 JSON 文档模型与关系表模型的差别。读完你会知道 Elasticsearch 为什么"搜得快、装得下"，以及它和数据库各自的边界在哪里——这决定了后面八章里 doc-1001 每一步的命运。

学习目标

阅读完本章，你应当能够：

1. 用自己的话讲清倒排索引"词到文档"的映射方向，并解释它为什么比逐行扫描快。
2. 画出集群、节点、索引、分片、副本的包含关系图，说出主分片数为什么建好后不能改。
3. 解释文档、字段、映射三者在数据模型里的角色，区分 text 与 keyword 的用途。
4. 列出三个"该用 Elasticsearch"与三个"该留在数据库"的场景，并说明理由。
5. 复述 doc-1001 旅程的九个站点，为后续章节建立全局索引。

核心概念速览

金句：数据库按行回答"这条记录是什么"，倒排索引按词回答"哪些记录里有它"——搜索的本质是后一个问题。

子章节导航

1.1 一次搜索的幕后：倒排索引的直觉

从一次像搜索的事故出发，讲清正排与倒排两种结构的差别，再看分词如何决定倒排表里到底有哪些词。这是全书的智识地基，后面每一次"搜不到"都能追回到这一节。

1.2 集群概念地图：节点、分片与副本

单个节点装不下、也挂不起的时候，就需要分片与副本。这一节把分布式词汇一次性理顺：主分片数为什么建索引时就要定好、副本怎么提供高可用、协调节点在中间扮演什么角色。

1.3 数据模型与选型：JSON 文档的先天优势

同样的工单数据，关系模型存成三张表，文档模型存成一条嵌套 JSON。这一节对比两种建模思路的代价，并给出技术选型的判断框架，避免"手里拿锤子看什么都是钉子"。

子章节之间的逻辑关系

三节的关系是"结构、容器、内容"：先认识引擎内部的数据结构（倒排索引），再认识承载它的分布式容器（集群与分片），最后认识装进容器的内容形态（JSON 文档）。顺序不可颠倒——不理解倒排索引，就无法理解分片本质上是一份独立的 Lucene 索引。

1.1 倒排索引结构 ──► 1.2 分片 = 独立的Lucene索引 ──► 1.3 文档模型与选型
       │                      │                          │
       └─► 第3章 分词          └─► 第4章 路由             └─► 第7章 嵌套建模
​

本章考核清单

学完本章，用下面五个考核点自测，答不上来的回对应小节重读：

易错点速查

• 把"索引"当成一个文件：Elasticsearch 的索引是逻辑容器，物理上是一组分片，每个分片才是真正持有倒排表的 Lucene 索引。
• 以为副本能加快写入：写入永远先落主分片再同步副本，副本只扩展读吞吐与可用性，副本越多每次写入的同步面越宽。
• 先定存储再想查询：正确顺序是按"怎么查"设计文档形态再谈存什么，第 7 章的嵌套建模会再次验证这条纪律。

前置知识与后续延伸

• 前置知识：会用命令行发 HTTP 请求（后面章节会大量使用）；了解 JSON 的嵌套语法；对数据库的行、列、索引有基本印象。
• 后续延伸：1.1 的分词直觉在第 3 章展开成分析器三段流水线；1.2 的分片地图在第 4 章接上路由公式、在第 8 章接上近实时与再平衡；1.3 的文档模型在第 7 章长出嵌套与地理两种形态。