Elasticsearch 倒排索引与分词器调优实战

Elasticsearch 的检索能力源于 Lucene 的倒排索引：将文档内容切分为词项（Term），并记录每个词项出现的文档列表（Postings List）。

一、分词器组成

分词器（Analyzer）由三部分组成：

• Character Filter：字符预处理，如去除 HTML 标签
• Tokenizer：切分为词项，如 standard、ik_max_word
• Token Filter：词项归一化，如小写转换、同义词、停用词

二、中文分词配置示例

PUT /articles
{
  "settings": {
    "analysis": {
      "analyzer": {
        "zh_analyzer": {
          "type": "custom",
          "tokenizer": "ik_max_word",
          "filter": ["lowercase"]
        }
      }
    }
  }
}

合理选择 ik_max_word（细粒度）与 ik_smart（粗粒度）可平衡召回率与查询性能。对只读历史索引执行 force_merge 可减少段数量并提升检索速度。