Elasticsearch系列-倒排索引概念

最新推荐文章于 2024-07-08 06:53:03 发布

Layne_lei

最新推荐文章于 2024-07-08 06:53:03 发布

阅读量308

点赞数 2

分类专栏： Elasticsearch学习笔记文章标签： elasticsearch

本文链接：https://blog.csdn.net/u011344233/article/details/115698319

版权

Elasticsearch学习笔记专栏收录该内容

9 篇文章 0 订阅

订阅专栏

Elasticsearch系列-倒排索引概念

在日常生活中，我们去购买书籍的时候，都会先去看一下书籍的目录，通过目录我们可以很快找到需要内容所在的位置，然后找到对应位置去详细查看。还有就是我们平常设计表结构的情况，一般我们都会给表设计一个主键id，通过主键id我们就能很方便的找到对应信息。这种通过id去找内容的方法，就是正排索引。那倒排索引其实就是反过来，通过内容或者单词能找到对应id的信息。总结来说，正排索引就是文档id到文档内容和单词的关联。倒排索引就是单词到文档id的关系。

正排索引：

id	name	age	address
1	Layne	27	China
2	Nancy	28	China
3	Kobe	41	USA

假设我们给name做倒排索引：

term	id	count
Layne	1	1
Nancy	2	1
Kobe	3	1

给address做倒排索引：

term	id	count
China	1,2	2
USA	3	1

倒排索引的核心组成

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+数或哈希拉链法实现，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）包含：
- 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
- 位置单词在文档中分词的位置。用于语句搜索
- 偏移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。