BKD 树（Block KD-Tree）是 Lucene 用来存储和快速查询 **多维数值型数据** 的一种磁盘友好型数据结构，可以把它想成：

> **“把 KD-Tree 分块压缩后落到磁盘上，既能做磁盘顺序读，又能像内存 KD-Tree 一样做范围/最近邻搜索。”**

核心要点（5 句话）：

1. **存储内容**  
只存 **数值/日期/geo 点** 的多维坐标（int、long、float、double、geo_point …），**不存文本倒排**。

2. **结构**  
• 依旧按 KD-Tree 方式递归切分维度；  
• 每满 1024 个点就写成一个 **block**（顺序磁盘页），天然压缩 & 缓存友好。  
• 所有叶子块再建一个 **内存索引**（min-max 值 + 文件指针），查询时先扫内存索引→定位少量磁盘块→顺序读，几乎无随机 IO。

3. **支持的查询**  
• 范围查询：price ≥ 50 AND price < 100  
• 距离查询：geo_distance 5 km 内  
• 最近邻：knn_vector search  
复杂度 **O(log N)**，且由于顺序 IO，实际比 KD-Tree 在磁盘上快很多。

4. **优点**  
• 磁盘顺序读友好 → SSD/HDD 都高效  
• 压缩率极高 → 同样数据体积 < 1/4 原始数组  
• 支持 **实时增删改**（新文档追加新 block，后台合并）

5. **在 Elasticsearch 中的位置**  
• 所有 `long`, `integer`, `double`, `date`, `ip`, `geo_point`, `geo_shape`, `dense_vector` 字段，**默认**就用 BKD 树存维度数据；  
• 因此 `range`, `geo_distance`, `knn` 查询都走 BKD 而非倒排索引。

一句话：  
**BKD 树就是 Lucene 的“多维数值索引硬盘版”，让范围/距离/最近邻查询在磁盘上也像内存 KD-Tree 一样快。**