ElasticSearch（ES）的底层实现
- 倒排索引（Inverted Index）：通过文档中的关键词查找文档ID列表，适用于全文检索。
- 正排索引（Forward Index）：通过文档ID查找文档内容。
- 实现细节：
- Term Index：存储Term前缀，快速定位Term Dictionary。
- Term Dictionary：存储Term和指向Posting List的指针。
- Posting List：存储与Term相关的文档ID列表。
MySQL的底层实现
- InnoDB全文检索：支持全文检索，使用倒排索引。
- 辅助表：包含
word和ilist字段，word字段上有索引，ilist包含(Document ID, Position)。 - FTS Index Cache：红黑树结构的全文检索索引缓存，提高性能。
查询操作的实现
- ES：使用倒排索引 + 正排索引机制，适用于复杂查询和全文检索。
- MySQL：
- 使用B+ Tree索引或倒排索引查询记录ID。
- 可能需要二次回表操作，除非使用覆盖索引。
性能比较
- ES与MySQL的相似性：两者在查询实现上相似，都是通过索引查询记录ID，然后进行二次回表。
- ES的优势：在全文检索性能上优于MySQL InnoDB。
业务场景分析
- 复杂查询场景：面对千万量级数据和多个搜索条件，ES的“结果合并策略”（SkipList和Bitset）能更高效地处理多维复杂查询。
- MySQL的局限性：联合索引需要遵循最左前缀原则，限制了多维复杂查询的索引覆盖。
MySQL 8的新特性
- Skip Scan Range Access Method：在一定条件下可以不遵守最左前缀原则，利用范围扫描替代全表扫描。
结论
- ES的优势：在处理大规模数据和复杂查询时，ES的性能通常优于MySQL。
- 索引创建和查询优化：ES的索引创建和查询优化策略是其性能优势的关键。
