请解释Elasticsearch中的倒排索引是如何工作的？

​词典（Term Dictionary）​​：存储所有文档中出现过的词项（如“搜索引擎”“倒排索引”等），并按字典序排序。Elasticsearch基于Lucene实现，实际使用FST（有限状态Transducer）​优化词典存储——FST通过压缩前缀共享的方式，既能快速查找词项是否存在，又能减少内存占用（例如，词项“apple”和“app”会共享前缀“app”的存储）。
​倒排列表（Posting List）​​：每个词项对应一个倒排列表，记录包含该词项的文档ID集合，以及扩展元数据（如词频TF、词项在文档中的位置、偏移量等）。例如，词项“Elasticsearch”可能对应倒排列表[doc1, doc2]，其中doc1的位置是第3个词，doc2的位置是第1个词。

分词（Tokenization）​​：文档写入时，Elasticsearch使用指定的分词器（如标准分词器、IK分词器）将文本拆分为词项。例如，文档“倒排索引是Elasticsearch的核心技术”会被分词为["倒排索引", "是", "elasticsearch", "的", "核心技术"]（假设分词器忽略停用词“是”“的”）。
​生成映射关系​：对每个词项，记录其出现的文档ID，并补充元数据（如词频：该词项在文档中出现的次数；位置：词项在文档中的顺序位置，用于短语查询“倒排索引 核心技术”）。最终形成“词项→{文档ID列表+元数据}”的映射。

段（Segment）合并​：索引数据会被拆分为多个独立的段（Segment，类似Lucene的分段机制），每个段是自包含的倒排索引。随着数据写入，旧段会被合并为更大的段（如合并两个小段为一个中段），减少索引碎片，提升查询时的IO效率。
​元数据压缩​：倒排列表中的文档ID通常采用差值编码（如文档ID序列[100, 102, 105]存储为[100, 2, 3]），结合前缀压缩减少空间占用；词频和位置信息通过变长整数（如VarInt）编码存储。