ES索引中的优化 inverted index
1、对field中的field value进行分词得到多个term（词语），建立由term映射_id的索引即为倒排索引；
2、对term进行排序 （这种也可以使用类似MySql的MyISAM的B+索引方法查询数据）；
3、为了term存入内存，用term index来将term dictionary转化为索引存入内存，通过tire树建立term前缀与posting lists(或指向其地址)的映射，并确定数据所在block；
4、优化posting lists在磁盘的存储：文档在shard中存入不同segment，segment每个文档id唯一，范围0-2^31，(因此每个id原本需要4个字节存)，使用frame of reference，存储id时，转化为delta-encoding的id，每个block存256个转化后的id，header首位记录了其中记录id需要的最大位数；
5、基于缓存的filter查询优化：生成（filter，segment）与id的映射，根据id的高16位分配到block，N/2^16为block id，N%2^16为block内的id，block内数据小于4096用short保存，反之用bitmap;
参考：
