中间件/搜索相关岗常见。懂倒排原理是"使用者"和"设计者"的分水岭。
建索引：分析器分词、归一化（小写、词干、停用词），再按term写posting list：term→按docId有序的(docId, position)列表。
查询：term查索引（hash/btree），取posting list；多term AND求交、OR求并。
打分：默认BM25——term在doc中频率、逆文档频率、长度归一化。越高越相关。
段：Lucene写不可变segment，定期merge。删除是墓碑；更新=删+插。
分片：索引按hash(_id)切成shard，每shard是Lucene索引。查询fan out到所有shard、协调节点合并。
索引时ES把文本过分析器（分词→小写→词干→停用词→可能还有ngram），按token写posting list：term→(docId, 位置)列表。查询时token到索引里找（内部是FST+块树快前缀），posting AND求交或OR求并，候选按BM25打分——基本就是TF×IDF加长度归一化。这就是搜一个词O(log 词表+|结果|)不是O(|文档|)的原因。Lucene写不可变segment定期merge——删除是墓碑、更新=删+插。分片按doc id hash；查询fan out、协调节点合并打分结果。ES适合全文相关性和聚合，对高写事务弱（最终一致、单写因segment flush慢）。
分析器选型决定质量——中文用IK或jieba，英文默认够。
别深分页（from+size>1万）——用search_after游标。
即答侠把"分析器→posting list→BM25"画成一张图——白板快。
ES大规模、相关性调优、聚合更强。Postgres tsvector对小语料够，还省一套存储。
老的打删除、新的作为新doc写入。实际空间在segment merge时才回收。