倒排索引是什么?

在ElasticSearch中，倒排索引是一种常用的索引结构，用于快速搜索文档中的某个词汇。

倒排索引的结构于传统的索引结构相反，传统的索引结构是由文档构成的，每个文档包含若干个词汇，然后根据这些词汇建立索引。而倒排索引是由词汇构成的，每个词汇对应了若干个文档，然后根据这些文档建立索引。

 对于一个包含多个词汇的文档，倒排索引会将每个词汇作为一个关键字（Term），然后记录下该词汇所在的文档编号（Document ID）及该词汇在文档中的位置（Term Position）。这样。当用户输入一个关键字时，就可以快速地查找到包含该关键字的文档编号，然后通过文档编号再查找对应的文档内容。

倒排索引的优点在于它可以快速定位包含关键字的文档，而且可以支持复杂的搜索操作，如词组搜索，通配符搜索等。同时，由于倒排索引是由词汇构成的，因此在进行数据分析和统计时也非常有用。在ElasticSearch中，倒排索引是一种非常重要的索引结构，它被广泛应用于搜索引擎，日志分析，推荐系统等领域。

扩展：

倒排索引建立过程：

我说的倒排索引建立过程主要有两个步骤，分别是分词，建立倒排索引。

比如我们现在有三份文档内容，分别是

id	content
1	深入理解java核心技术---Hollis
2	深入理解java虚拟机
3	java编程思想

分词：

在倒排索引建立过程中，首先需要将文档中的原始文本分解成一个个词项（Term），ElasticSearch中默认使用标准分词器（Srandard Analyzer）进行分词。

以上三个文本内容，我们经过分词之后，就会包含了“深入”，“理解”，“java”，“核心”，“技术”，“编程”，“思想”，“Hollis”等词

生成倒排索引：

将分开的词，当做索引，与对应的文档ID进行关联，形成倒排表。

词条	文档ID
深入	1,2
理解	1,2
java	1,2,3
虚拟机	2
核心	1
技术	1
编程	3
思想	3

在生产倒排表后，还会对倒排表进行压缩，减少空间占用。常用的压缩算法包含Variable byte Encoding和Simple9 。最后在将压缩后的倒排表存储在磁盘中，以便后续的搜索操作能够快速访问倒排表。