搜索引擎概述之倒排索引

搜索引擎概述之倒排索引

考虑一下未来个人使用的设备,它将是一个机械化的个人图书馆,它需要一个名字引起人们的注意:"MEMEX"就可以.MEMEX是这样一个机械化设备,人们可以在其中存储书籍、记录和信件,同时可以以很高的速度和极强的灵活性完成检索.作为辅助设备,它是人脑的无限扩大.——Bush，1945

说到提高检索效率，就必然提到索引。今天就来为大家讲述搜索引擎中最常见的索引方式——倒排索引。

没有索引的时代
走入一个书店，这个书店的书只是乱糟糟的摆在一起，你现在想要找到一本叫做《Spring in action》的书，你要怎么办？嗯……是的，你只能一本一本的翻，直到翻到这本书为止。结果你翻到最后一本才发现，这个书店并没有你想要的书。你已经在这里花费了一整天的时间（好在这个书店不大），你身心疲惫地骂了句“操蛋”，离开了这个书店。

这种在没有任何索引的情况下检索信息（或者说查找）的方式，我们可以称之为grep。我们一般在类UNIX系统中使用的grep命令就是用类似的方法进行检索的，win系统中常用的文本检索（Ctrl+F）也是如此。对于计算机来讲，扫描整个文件的速度会远快于一个人翻阅整个书店，因此在检索少量信息时（例如，单个文本文件的信息）是足够的。但是当信息量变得十分庞大时，就会变得十分缓慢。比如在类UNIX系统中的grep命令，去扫描大文件夹的时候，就可能慢得无法忍受。

传统索引
你实在是需要《Spring in action》这本书，你今天又来到了一个看起来十分古老的图书馆。这个图书馆的藏书不少，但是并没有什么图书管理信息系统，但是他们有一套自己的索引系统——书名书目检索柜。大概就是这