Elasticsearch使用了一种叫做倒排索引的结构，一种设计用来允许快速全文检索的。一个倒排索引包含出现在任何文档中的所有的唯一词的列表，以及对于每个词，他们在哪些文档中出现的列表。
举个例子，比如说我们有两个文档，每一个都有一个content属性包含下列内容：The quick brown fox jumped over the lazy dogQuick brown foxes leap over lazy dogs in summer
要创建一个倒排索引，我们首先要把每个文档中的content属性中的内容分割成分开的词(我们叫做terms,或者tokens)。创建一个包含所有唯一词并排好序的列表,并且列出每一个词在哪些文档中有出现。结果看起来是这样的：
现在，如果你想查询quick brown,我们只需要找出每个词在哪些文档中出现就可以了。
两个文档都匹配，但是第一个文档比第二个文档有更多匹配。如果我们加入简单的相似度算法，仅用来计算匹配词的数量。然后我们就可以说第一个文档更匹配，比我们的第二个文档更接近我们的查询。
但是当前我们的倒排索引有一些问题：1、Quick和quick作为不同的词出现，但是用户可能认为他们是一个词。2、fox 和foxes是很相似的，同样的dog和dogs，他们是同根词。3、jumped和leap虽然他们不是同根词，但是在意思上是相近的。他们是同义词。
在上述的索引中，搜索+Quick +fox将不会匹配任何文档(记住，前缀+意味着词必须完全匹配)。只有Quick和fox在同一个文档中出现的时候才会出现令人满意的查询了，但是第一个文档包含了quick fox，第二个文档包含了Quick foxes.我们的用户可能希望两个文档都能匹配查询，我们可以做的更好。
如果我们将词格式化成标准的格式，然后我们发现文档包含的词和用户请求的词不是完全匹配的，但是仍然足够相似找到文档。举个例子：1、Quick可以被小写成quick2、foxes可以取他的根fox，同样的dogs也可以取根dog3、jumped和leap是同义词可以索引成单一词jump
现在索引看起来应该是这样的：
但是我们还没有完成。我们搜索+Quick +fox可能仍然失败，因为我们不再有精确的词Quick在我们的索引中。这样如果我们用同样的规则在我们的查询字段content上，查询应该变成+quick +fox, 这样就可以匹配两个文档了。注意：这很重要。你只可以找到那些在你的索引中存在的词，因此索引的文本和查询的字符串必须格式化成同样的形式。这个分词和标准化的过程叫做分析，我们下节讨论。