搜索就是从一堆事物中仔细查找，直到找到我们想要的东西。
比如我们说想寻找任何的信息的时候，就会用百度，然后输入关键字去搜索一下，然后期望通过这个关键字得到对应的信息。
什么是结构化搜索？结构化搜索是指有关探询那些具有内在结构数据的过程。
比如日期、时间和数字都是结构化的：它们有精确的格式，我们可以对这些格式进行逻辑操作。
比较常见的操作包括比较数字或时间的范围，或判定两个值的大小。
在结构化查询中，我们得到的结果总是非是即否，要么存于集合之中，要么存在集合之外。
结构化查询不关心数据的相关度或评分；它简单的对数据包括或排除处理。
正如我们平时在数据库查询数据时，通常会用类似这样的SQL：select * from products where id=1
什么是全文检索？全文检索是指计算机索引程序通过扫描文章中的每一个词，对每一个词建立一个索引，指明该词在文章中出现的次数和位置，当用户查询时，检索程序就根据事先建立的索引进行查找，并将查找的结果反馈给用户的检索方式。这个过程类似于通过字典中的检索字表查字的过程。
数据库模糊查询的过程是什么？例如，当我们执行这样的SQL：select * from products where product_name like "%书%"
这时数据库中字段的文本，可能会很长，有长达数千个，甚至数万个字符，这个时候。
这条SQL在执行的过程中，数据库每次都要对每条记录的所有文本中每个字符进行扫描，来判断包不包含指定的这个关键词（比如说“书”）
并且还不能将搜索词拆分开来，尽可能去搜索更多的符合你的期望的结果，比如输入“胡歌帅”，就搜索不出来“胡歌很帅”。
什么是倒排索引？ 正排索引理解什么是倒排索引之前，需要先了解一下正排索引。
在搜索引擎中每个文件都对应一个文件ID，文件内容被表示为一系列关键词的集合（实际上在搜索引擎索引库中，关键词也已经转换为关键词ID）。
例如“文档1”经过分词，提取了20个关键词，每个关键词都会记录它在文档中的出现次数和出现位置。
“文档1”的ID > 单词1：出现次数，出现位置列表；单词2：出现次数，出现位置列表；…………“文档2”的ID > 此文档出现的关键词列表
这时我们通过关键词去查询所有包含的文档时，就得遍历所有的文档并查询该文档中有没有该关键词。这种找法就是正向索引，即通过文档(ID)去找关键词。
然而，文档的数量越多，文档的内容越大，你找的时间越久。因为每次都得找完一本书（这其实类似MySQL中的全表扫描）。
倒排索引针对这样的内容检索场景，倒排索引就派上用场了。和正排索引相反，倒排索引是通过关键词去找文档(ID)。
“关键词1”的ID > 文档1的id；文档2的id；…………“关键词2”的ID > 文档1的id
通过关键词匹配，一下就能查到该关键词所在的所有文档，效率大大提升。虽然也有可能查询的时候需要匹配所有的关键字，但这就是查询算法的问题了，总之倒排索引的效率比正排索引的效率高多了。
什么是Lucene？Lucene是Apache的一个全文检索引擎工具包，通过lucene可以快速开发一个全文检索功能。
但是直接基于lucene开发，非常复杂，api复杂（实现一些简单的功能都要写大量的代码），需要深入理解原理（各种索引结构）。
什么是Elasticsearch？Elasticsearch是一个基于Lucene的免费开源的全文搜索引擎和分析引擎，隐藏其复杂性，于 2010 年首次发布。
随后以其简单的 REST 风格 API、分布式特性、速度和可扩展性而闻名，是 Elastic Stack 的核心组件；Elastic Stack 是一套适用于数据采集、扩充、存储、分析和
可视化的免费开源工具。人们通常将 Elastic Stack 称为 ELK Stack（代指 Elasticsearch、Logstash 和 Kibana）。
为什么不用MySQL 全文索引而选择 Elasticsearch 做搜索？MySQL 的索引结构是b+tree,有两种索引：一中基于主键id的，叶子节点有这一行所有字段的值，另一种是基于某一列的，叶子节点存主键id，你要是按照多个字段去搜，他只能用某一个字段的索引，而不能全用上，你看执行计划就可以知道，mysql选择cost最小的字段的索引来搜，其他你搜的字段基本上都是在结果里面一个个过滤，这是最核心的不同。
Elasticsearch 就不一样了，多字段的索引他全可以用上，比如用关键字在倒排索引中查到一堆符合条件的文档id，然后再通过类似status，type之类的term查询得到另一部分文档id，本质上每个查询结果是不同的bitset，最后做位运算求并集就得到了所有id，然后用id再查具体的返回字段值，可以从souce里面查还可以通过store为true的字段里面查。
参考文章1
参考文章2