开启掘金成长之旅！这是我参与「掘金日新计划 · 2 月更文挑战」的第 26 天，点击查看活动详情
倒排索引
在搜索引擎搜索关键词时，如何快速地根据关键词，找到符合的文章？一个简单的思路是，对所有文章的所有单词，做一个单词到文章的映射，因为同一个单词可能在很多文章里，这里需要存储单词到文章列表的映射，这就是倒排索引。
例如我们查找的内容包含两个词，我们根据这两个单词，得到两个文章列表，结果就是这两个列表的交集。
- 无序链表：暴力枚举O(nm)
- 有序链表：双指针算法O(n+m)
两个 posting list 求交集是一个最重要、最耗时的操作。下面我们再进一步讨论可能的优化手段。
对求交集的优化
对于双指针算法，当一个list特别长，时间消耗就很大，我们可以利用调表快速跳过非结果值。
跳表法
二分法 我们也可以对有序存储在数组里的list进行二分查找。这样类似跳表，也可以logn快速找到下一个答案。
相互二分法
二分也可以进一步优化，也就是每一次对剩余比较长的部分二分。
哈希表法
list存入hash table，遍历短list看是否与长list有交集。O(m)
位图法加速倒排索引
相当于按位与操作，效率高。
局限性：仅适用于只存储 ID 的简单的 posting list，仅适用于 posting list 中元素稠密的场景，占用大量的空间。
联合查询的优化
有时候我们查询的词不只有两个，对于大于两个词的联合查询，情况更加复杂。 k个长度为n的list，顺序求交，复杂度O(kn)
调整次序法
类似哈夫曼编码的贪心思路，每次先合并最短的两个list。
快速多路归并法:利用跳表的性质，快速跳过多个元素，加快多路归并的效率。
- 将 4 个链表的当前第一个元素取出，让它们按照由小到大的顺序进行排序。然后，将链表也按照由小到大有序排列；
- 用一个变量 max 记录当前 4 个链表头中最大的一个元素的值；
- 从第一个链表开始，判断当前位置的值是否和 max 相等。如果等于 max，则说明此时所有链表的当前元素都相等，该元素为公共元素，那我们就将该元素取出，然后回到第一步；如果当前位置的值小于 max，则用跳表法快速调整到该链表中第一个大于等于max 的元素位置；如果新位置元素的值大于 max，则更新 max 的值。
- 对下一个链表重复第 3 步，就这样依次处理每个链表（处理完第四个链表后循环回到第一个链表，用循环数组实现），直到链表全部遍历完。
预先组合法 对于常见的联合查询，我们可以提前将结果算好，并将该联合查询定义一个 key。
缓存法
对用户的查询，用LRU保留一部分结果，当遇到热点查询时，可以有效地缓解压力。双向链表+hash：当一个元素被访问时，将它提到链表头。满时，删除链表尾元素即可。
