Elasticsearch学习笔记 - 10:正排索引与倒排索引

一、正排索引(前向索引)

正排索引也称为"前向索引"。它是创建倒排索引的基础，具有以下字段。

(1)LocalId字段(表中简称"Lid")：表示一个文档的局部编号。

(2)WordId字段：表示文档分词后的编号，也可称为"索引词编号"。

(3)NHits字段：表示某个索引词在文档中出现的次数。

(4)HitList变长字段：表示某个索引词在文档中出现的位置，即相对于正文的偏移量。

由于一篇文章中的某些词可能出现多次，而且位置不同，而全文检索的本质要求是把这些位置标识出来，因此HitList中的每个命中都表示索引词在文档的某个位置中出现了一次，这个序列为单调递增序列。基于游程编码的方法，变升序序列为差分序列，采用前文提到的 Variable Byte Coding 方法编码可以大大压缩正排索引的HitList字段。

在正排索引中 LocalId 采用升序序列编号(假定编号采用自增1的方式递增)，这为下面的计算创造条件。进行倒排索引的转化时，由于正排索引中 Lid 天然的有序性，因此在正排索引转化为倒排索引的创建过程中，自然可以保证倒排索引中每个词汇对应的文档编号也是有序的，倒排索引将在下一节中介绍。

这样，正排索引如图所示。