数据结构与算法14：线性索引查找

数据结构与算法14：线性索引查找

    线性索引查找是在待查询序列比较大，或者不方便排序的情况下的一种措施，通过一个较小的索引来实现快速查找。比如汉语字典，我们需要先在前面的索引中找到这个字，然后再到后面去查找这个字的详细资料，那么前面的这个索引起到的作用就是这个作用了。线性索引查找在实际应用中有多种形式，适合不同的情况。

    1. 稠密索引

    稠密索引是最简单的，给每一个记录提取一个key，将key存储于一个表中，这个表是排序的，而记录则不必排序。这样需要查找时，我们先查找索引，使用二分查找可以快速定位，再根据得到的位置信息去提取实际的数据，要比直接查找好很多。当数据量很大并且在不断增加时，往往排序消耗的资源是非常大的。另外，记录会比较大，往往只能放在磁盘，而索引比记录小很多，这样可以整个放到内存里，只有在提取数据的时候才访问磁盘，大大减少了IO量。

    2. 分块索引    

    当数据量更大的时候，如果稠密索引的大小也超出了内存的容量，那么查找索引也会带来IO，效率就会大大降低了。分块索引的不同在于不需要对每一个记录记录索引，而是对记录进行分块。分块索引要求数据是分块有序的，也就是说，数据被分为很多块，每一块内部并没有排序，但是第n块中的每一个元素逗比第n+1块要小，这样虽然每一块是无序的，但块和块是有序的。维护这样的顺序关系要比对整个排序消耗得少很多。

    分块索引只需要记录每一块的信息，查找时先定位到某一块，然后到那个块里顺序查找。分块索引内记录的索引项包括这个块的最大值（或最小值）、位置信息等，可以包括块内元素个数等信息。

    3. 倒排索引

    倒排索引是搜索引擎的基本技术。倒排索引是指根据值来索引key，而不是根据key来索引值。倒排索引将每个句子拆分成多个关键词（每个句子是一条记录），而索引则是对拆分出来的关键词进行索引，查询每个关键词可以得到包含这个关键词的记录的key，然后根据这些key（一般会多于一个）可以得到包含了这个关键词的句子。当然搜索非常复杂，这只是其中的一丁点。