倒排索引之我见

最近上数据结构课 上到b树的时候，课上的引子便是搜索引擎的结构基础：倒排索引，引起了我极大的兴趣

要知道google 百度这类公司便是应用这一结构为基石的，想想还是蛮有趣的

首先我们来回想一下在使用搜索引擎时的过程，输入一个或多个关键字，然后搜索引擎就返回了一个结果列表

最直白简单的想法是，搜索引擎遍历所有的文档，从中挑选与关键字相关的文档，那么这叫做【正想索引】

但是不得不否认这种想法是不可行的，对于搜索引擎来说，他们要面对的是万亿级别的文档数量，如果需要把所有的文档都遍历一遍，那么搜索一个关键字需要等上一年才能显示结果。

那么为了加快搜索引擎的速度，需要建立一个相反的索引列表。

当抓取一个网页文件时，对文件中的内容进行分词处理，把这些提取出来的关键字与这个网页文件形成相应的映射关系，这便是【倒排索引】

对于多个关键字分别索引网页文件的id ,进行并集处理得到结果便是搜索引擎的基本流程。

说到这里，个人觉得与其说他是倒排索引，更应该称之为转置索引或者反向索引，将一个未处理的数据库进行分词处理，方法从一般的以文档id为索引 转化为文档内容作为索引关键字。即：

         文档----->关键字       转换为         关键字----->文档