倒排索引和正排索引
https://www.cnblogs.com/AndyStudy/p/9042032.html
倒排索引
倒排索引，就是把一个文档中的某个字段的内容进行分词，然后将这些分词去重唯一的形成一个列表，且每个分词都会记录着它所出现在的文档id号， 这样就会大大提高我们的查询效率
正排索引
正排索引和倒排索引恰恰相反，它记录的是每个doc中分别都有哪些分词，并且每个分词出现的次数。 这非常有利于我们做聚合查询。
那聚合查询倒排索引不行吗？
举个例子，如果需要统计“abc def” 的在全文档出现的count数，倒排索引要怎么做？ 它会让“abc”和"def"分别去倒排索引里各自去找到自己所在，然后根据自己分词对应的文档数得到count值，但这个时间复杂度是O（n），随着分词量的增多，这个全表来一遍的次数也会随之增多。
正排索引呢？ 撑死最多进行一次全记录扫描，就可以得到每个分词的count数了。
区别
倒排索引和正排索引大部分字段类型（有些默认正排索引不开启，比如text）基本都是会在index生成的时候随之生成的（但也因此生成index后无法再进行修改），也都会存储在磁盘上，当然如果你的内存比较充足，还会cache到内存中。
在创建index进行mapping设置的时候，如果明确字段需要做查询要创建倒排索引，那么要把index设为true（默认为true），
如果明确字段需要做聚合分析需要创建正排索引那么doc value要设置为true。如果确定字段不需要开启，可以设置不开启，这可以节省磁盘空间从而提高倒排索引的效率。
fielddata和doc values
es中还有一个东西 fielddata，它和doc values的功效一样，都是会创建聚合索引，但是差别很大： fielddata是在脚本执行的时候进行临时生成正排索引，并保存在JVM堆中（试想如果数据很大，那么需要占用多大内存），而doc value是使用的OS内存（堆外内存）。 因此fielddata实际不是一个特别好的选择，默认也是不开启的。