倒排索引

图书和搜索引擎的类比

• 图书
  • 正排索引 - 目录页
  • 倒排索引 - 索引页
• 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

• 倒排索引包含两个部分
  • 单词词典（Term Dictionary），记录所有文档的单词，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+树或哈希拉链法实现，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结合，由倒排索引项组成
    • 倒排索引项（Posting）
      • 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），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

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