关于全文检索的归并的算法总结：

 

关于全文检索的归并的算法总结：

 

  最近搜集了不少全文检索的资料，林林总总，各色各异，有 IR 的基本知识，有开源软件的介绍，等等。但是最吸引我的还是索引的动态维护，毕竟现在是个信息大爆炸的时代，高性能的索引动态维护已经成为时代的需要。

今天对全文检索的归并算法进行了总结，自成一言，可能对，也可能理解的有差别，还希望大家提出宝贵的意见，还希望各位大“家”海涵。在这里，我先谢过了！     

    

我理解现在的归并面临的最紧迫要解决的问题就是避免出现“ 15M 和 15G 归并”的情况，所有的归并的算法都是围绕这样一种情况进行的。请注意，我在这篇文章里会多次出现“ 15M 和 15G 归并”这几个字眼，我相信对全文检索深入了解的人都能明白我的意思。

 

 

在 IR 发展的初期出现的归并，我称为三角形归并。

 

第一类：三角形归并

为什么称为三角形归并呢？就是因为最终都归并成一个文件，永远不会出现 2 个文件的情况。

1．立即归并

这种情况下，比较坏的地方就是多次归并以后就会出现类似 15M 和 15G 归并的情况。

归并树的情况如图：黑色或灰色的代表由于内存不够写到硬盘的临时文件，白色的表示归并的过程中生成的临时文件，紫色的代表经过归并最终产生的索引文件。