1.對已知文檔的搜索
如果被搜索的文檔（不論是單個文檔，還是批量文檔）能夠從主分片或任意一個副本分片中被檢索到，則與索引文檔過程相同，對已知文檔的搜索也會用到路由算法，Elasticsearch 中的路由算法如下所示：
Shard = hash(routing) % number_of_primary_shards
2.對未知文檔的搜索
除了對已知文檔的搜索外，大部分請求實際上是不知道查詢條件會命中哪些文檔的。這些被查詢條件命中的文檔可能位于 Elasticsearch 集群中的任意位置上。因此，搜索請求的執行不得不去查詢每個索引中的每一個分片。
在 Elasticsearch 中，搜索過程分為查詢階段（Query Pahse）和獲取階段（Fetch Phase）。
在查詢階段，查詢請求會廣播到索引中的每一個主分片和備份中，每一個分片都會在本地執行檢索，并在本地各建立一個優先級隊列（Priority Queue）。該優先級隊列是一份根據文檔相關度指標進行排序的列表，列表的長度由 from 和 size 兩個分頁參數決定。
查詢階段可以再細分成3個小的子階段：
（1）客戶端發送一個檢索請求給某個節點A，此時節點A會創建一個空的優先級隊列，并配置好分頁參數from與size。
（2）節點A將搜索請求發送給該索引中的每一個分片，每個分片在本地執行檢索，并將結果添加到本地優先級隊列中。
（3）每個分片返回本地優先級序列中所記錄的ID與sort值，并發送給節點A。節點A將這些值合并到自己的本地優先級隊列中，并做出全局的排序。
在獲取階段，主要是基于上一階段找到所要搜索文檔的具體位置，將文檔數據內容取回并返回給客戶端。
在Elasticsearch中，默認的搜索類型就是上面介紹的Query then Fetch。上述描述運作方式就是Query then Fetch。Query then Fetch有可能會出現打分偏離的情形，幸好，Elasticsearch還提供了一個稱為"DFS Query then Fetch"的搜索方式，它和Query then Fetch基本相同，但是它會執行一個查詢來計算整體文檔的frequency。其處理過程如下所示：
（1）預查詢每個分片，詢問Term和Document Frequency等信息。
（2）發送查詢請求到每個分片。
（3）找到各個分片中所有匹配的文檔，并使用全局的Term/Document Frequency信息進行打分。在執行過程中依然需要對結果構建一個優先隊列，如排序等。
（4）返回關于結果的元數據到請求節點。需要指出的是，此時實際文檔還沒有發送到請求節點，發送的只是分數。
（5）請求節點將來自所有分片的分數合并起來，并在請求節點上進行排序，文檔被按照查詢要求進行選擇。最終，實際文檔從它們各自所在的獨立的分片上被檢索出來，結果被返回給讀者。
3.對詞條的搜索
具體到一個分片，ELasticsearch是如何按照詞條進行進行搜索的呢？
當詞條數量較少時，我們可以順序遍歷詞條獲取結果，但如果詞條有成千上萬個時，Elasticsearch為了能快速找到某個詞條，它對所有的詞條都進行了排序，隨后使用二分法查找詞條，其查找效率為log(N)。這個過程就像查字典一樣，因此排序詞條的集合也稱為Term Dictionary。
為了提高查詢性能，Elasticsearch直接通過內存查找詞條，而非從磁盤中讀取。但當詞條太多時，顯然Term Dictionary也會很大，此時全部放在內存有些不現實，于是引入了Term Index。
Term Index就像字典中的索引頁，其中的內容如字母A開頭的有哪些詞條，這些詞條分別在哪頁。通過Term Index,Elasticsearch也可以快速定位到Term Dictionary的某個OffSet（位置偏移），然后從這個位置再往后順序查找。
前面提及了單個詞條的搜索方法，而在實際應用中，更常見的往往是多個詞條拼接程的"聯合查詢"。
