正倒排索引

搜索引擎

正排索引-文档id到文档内容和单词的关联

倒排索引-单词到文档id的关系

倒排索引的核心组成

• 单词词典（Term Dictionary） ：记录所有单词的文档，记录单词到倒排列表的关联关系
  • 单词词典一般比较大，可以通过B+树或哈希拉链发实现，以满足高性能的插入与查询
• 倒排列表（Posting List）：记录了单词对应的文档集合，由倒排索引项组成
  • 倒排索引项
    • 文档ID
    • 词频TF - 该单词在文档中出现的次数，用于相关性评分
    • 位置Position - 记录单词在文档中分词的位置，用于语句搜索（phrase query）
    • 偏移（Offset） - 记录单词的开始结束位置，实现高亮显示

单词Elasticsearch的例子

Elasticsearch的倒排索引

• Elasticsearch 的 JSON 文档中的每个字段，都有自己的倒排索引
• 可以指定对某些字段不做索引
  • 优点：节省存储空间
  • 缺点：字段无法被搜索