一杯咖啡的时间，聊聊技术与成长
查询入门：match、term、filter 与 bool
搜索词该分词吗？状态筛选为什么不该算分？四个动词分工表：match 管全文、term 管精确、match_phrase 管短语、bool 管组合，query 与 filter 两种上下文算不算分是分水岭。对 text 用 term 是新手第一坑。
近实时：为什么搜不到刚写进去的文档
文档写入成功，搜索却是零结果，一秒后又凭空出现——这不是 bug，是 ES 的近实时设计。内存 buffer、一秒 refresh、translog 兜底、段不可变与合并，写入链路一次拆到底。
mapping：字段类型建错，神仙也救不回来
价格建成 text，排序按字典序把 10 排在 9 前面，聚合直接报错。text 与 keyword 的分工、动态 mapping 的自作主张、object 数组的错配陷阱、类型改不了的补救路线——mapping 是地基，地基错了整栋楼返工。
分词器：中文搜索的第一道坎
默认的 standard 分词器把「燕麦拿铁」剁成四个单字，召回全靠缘分。装上 IK，分清 ik_max_word 与 ik_smart 两把刀，用对「细进粗出」，配好远程词典热更新——中文搜索及格线一次划清。
核心概念：Index、Document、Shard 与 Replica
从 MySQL 的世界观平移进 ES：表变索引，行变文档。但 shard 是新物种——建索引时定死的主分片数决定了路由公式，也决定了后期改起来的成本。概念地图一次画清。
倒排索引：正排查我，倒排查谁
手工倒排表只是玩具。真实的引擎长这样：三段式分词器、FST 词典、压缩倒排表加跳表，再配上管排序聚合的 doc values。拆开看每块零件，搜索为什么快就有答案了。
LIKE 查不了「燕麦拿铁」：为什么需要 Elasticsearch
用户搜「燕麦拿铁」，搜索框返回 0 结果，商品明明躺在库里。LIKE 前缀通配符走不了索引、不懂分词、性能随数据量线性劣化——这一篇把倒排索引请出场。
Docker Compose 本地开发环境搭建模板（附 yaml）
MySQL + Redis + Nacos + MinIO 一键起。包含健康检查、数据卷、网络隔离的完整配置，pig 项目直接用。
收官复盘：一张消息队列作战地图
20 篇走完，把消息队列的全部内容收进一张地图：症状到篇目的排查索引、按场景的阅读路径、三条心法与上线检查清单。收官不散场，地图常翻常新。