Elasticsearch使用一种称为倒排索引的结构，她适用于快速的全文搜索。
一个倒排索引由文档中所有不能重复词的列表构成，对于其中每个词，有一个包含它的文档列表。
示例：
1、假设文档集合包含五个文档，每个文档内容表所示，表的最左端一栏是每个文档对应的文档编号，我们的任务就是对这个文档集合建立倒排索引。
| 文档编号 | 文档内容 |
|---|---|
| 1 | 谷歌地图之父跳槽Facebook |
| 2 | 谷歌地图之父加盟Facebook |
| 3 | 谷歌地图创始人拉斯离开谷歌加盟Facebook |
| 4 | 谷歌地图之父跳槽Facebook与Wave项目取消有关 |
| 5 | 谷歌地图之父拉斯加盟社交网站facebook |
2、中文和英文等语言不同、单词之间没有明确分隔符号，所以首先要用分词系统将文档自动切分成单词序列。这样每个文档就转换为由单词序列构成的数据流，为了系统后续处理方便，需要对每个不同的单词赋予唯一的单词编号，同时记录下哪些文档包含这个单词，在如此处理结束后，我们可以得到最简单的倒排索引。
“单词ID”一栏记录了每个单词的单词编号，第二栏是对应的单词，第三栏即每个单词对应的倒排索引。
| 单词ID | 单词 | 倒排索引(DocID) |
|---|---|---|
| 1 | 谷歌 | 1，2，3，4，5 |
| 2 | 地图 | 1，2，3，4，5 |
| 3 | 之父 | 1，2，4，5 |
| 4 | 跳槽 | 1，4 |
| 5 | 1，2，3，4，5 | |
| 6 | 加盟 | 2，3，5 |
| 7 | 创始人 | 3 |
| 8 | 拉斯 | 3，5 |
| 9 | 离开 | 3 |
| 10 | 与 | 4 |
| 11 | Wave | 4 |
| 12 | 项目 | 4 |
| 13 | 取消 | 4 |
| 14 | 有关 | 4 |
| 15 | 社交 | 5 |
| 16 | 网站 | 5 |
3、索引系统还可以记录除此之外的更多信息，下表还记录了单词频率信息（TF）即这个单词在某个文档中出现的次数，之所以要记录这个信息，是因为词频信息在搜索结果排序时，计算查询和文档相似度是很重要的一个计算因子，所以将其记录在倒排列表中，以方便后续排序时进行分值计算。
| 单词ID | 单词 | 倒排索引(DocID:TF) |
|---|---|---|
| 1 | 谷歌 | (1:1)，(2:1)，(3:2)，(4:1)，(5:1) |
| 2 | 地图 | (1:1)，(2:1)，(3:1)，(4:1)，(5:1) |
| 3 | 之父 | (1:1)，(2:1)，(4:1)，(5:1) |
| 4 | 跳槽 | (1:1)，(4:1) |
| 5 | (1:1)，(2:1)，(3:1)，(4:1)，(5:1) | |
| 6 | 加盟 | (2:1)，(3:1)，(5:1) |
| 7 | 创始人 | (3:1) |
| 8 | 拉斯 | (3:1)，(5:1) |
| 9 | 离开 | (3:1) |
| 10 | 与 | (4:1) |
| 11 | Wave | (4:1) |
| 12 | 项目 | (4:1) |
| 13 | 取消 | (4:1) |
| 14 | 有关 | (4:1) |
| 15 | 社交 | (5:1) |
| 16 | 网站 | (5:1) |
4、倒排列表中还可以记录单词在某个文档出现的位置信息
(1,<11>,1),(2,<7>,1),(3,<3,9>,2)
有了这个索引系统，搜索引擎可以很方便地相应用户的查询，比如用户输入查询词“Facebook”，搜索系统查找倒排索引，从中可以读出包含这个单词的文档，这些文档就是提供给用户的搜索结果，而利用单词频率信息、文档频率信息既可以对这些候选搜索结果进行排序，计算文档和查询的相似性，按照相似性得分由高到低排序输出，此即为搜索系统的部分内部流程。
示例：
#1. The quick brown fox jumped over the lazy dog
#2. Quick brown foxes leap over lazy dogs in summer
#倒排索引（x代表存在于的文档中）：
| Term | Doc_1 | Doc_2 |
|---|---|---|
| Quick | x | |
| The | x | |
| brown | x | x |
| dog | x | |
| dogs | x | |
| fox | x | |
| foxes | x | |
| in | x | |
| jumped | x | |
| lazy | x | x |
| leap | x | |
| over | x | x |
| quick | x | |
| summer | x | |
| the | x |
#3.搜索quick brown（计算相关度分数时，文档1的匹配度高，分数会比文档2高）：
| Term | Doc_1 | Doc_2 |
|---|---|---|
| brown | x | x |
| quick | x | |
| Total | 2 | 1 |
#4、标准化规则（normalization）：
Quick 和 quick 以独立的词条出现，然后用户可能认为它们是相同的词。
fox 和 foxes 非常相似，就像 dog 和 dogs，它们由相同的词根。
jumped 和 leap ，尽管没有相同的词根，但是它们的意思很相近，是同义词。
搜索含有 Quick fox的文档是搜不到的。
使用标准规划规则，建立倒排索引的时候，会对拆分出的各个单词进行相应的处理，以提升后面搜索的时候能够搜索到相关联的文档的概率。
| Term | Doc_1 | Doc_2 |
|---|---|---|
| brown | x | x |
| dog | x | x |
| fox | x | x |
| in | x | |
| jump | x | x |
| lazy | x | x |
| over | x | x |
| quick | x | x |
| summer | x | |
| the | x | x |