ES 引入：它解决了什么问题？¶

问题背景¶

MySQL 在全文搜索场景下力不从心：

场景	MySQL 的问题	ES 的解决方案
全文搜索"Java 工程师"	`LIKE '%Java%'` 全表扫描，百万数据下响应超 10 秒	倒排索引，毫秒级响应
商品多条件筛选+排序	多字段联合索引复杂，性能差	天然支持多字段组合查询
日志聚合分析	亿级数据聚合极慢	分布式并行聚合，近实时
搜索结果相关性排序	无法计算相关性得分	TF-IDF / BM25 算法

不了解 ES 会导致的线上问题¶

对 text 字段用 term 精确匹配，查不到数据（字段已被分词）
动态 Mapping 字段类型被错误推断，且无法修改（只能 reindex）
主分片数设置过少，后期无法水平扩展
深度分页超时或 OOM（每个分片返回大量数据到协调节点合并）

ES 在系统架构中的位置¶

flowchart LR
    subgraph 数据写入链路
        App[应用服务] -->|写入业务数据| MySQL[(MySQL\n主数据库)]
        App -->|同步/异步| ES[(Elasticsearch\n搜索引擎)]
        MySQL -->|Binlog 同步| Canal[Canal\n数据同步]
        Canal --> ES
    end

    subgraph 数据查询链路
        User[用户] -->|精确查询| MySQL
        User -->|全文搜索\n复杂聚合| ES
    end

类比：用生活模型建立直觉¶

ES 的倒排索引 → 图书馆的关键词索引¶

ES 概念	生活类比	映射关系
正排索引（MySQL）	逐本翻书找关键词	全表扫描，O(n)
倒排索引（ES）	书后面的"关键词索引"，直接找到页码	词项→文档列表，O(1)
分词器	把"Java工程师招聘"拆成["Java","工程师","招聘"]	将文本拆分为词项
Mapping	图书馆的分类规则（按作者/按主题/按年份）	定义字段类型和索引方式
Shard（分片）	图书馆的多个分馆	数据分片，支持水平扩展