什么是倒排索引

以一本书比作搜索引擎， 图书当中的目录页，页码到页码内容的单词关联 —— 就是正排索引 图书最后的关键字、内容索引页，页码内容 到 页码关联 —— 就是倒排索引

正排索引 与 倒排索引结构 的 转化

倒排索引的核心组成

• 倒排索引包含两个部分

  • 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 +树或哈希拉链法实现，以满足高性能的插入与査询
  • 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)
      • 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（score）
        • 位置（Position)-单词在文档中分词的位置。用于语句搜索（phrase query)
        • 偏移（Offset)-记录单词的开始结束位置，实现高亮显示

• Elasticsearch 的 JSON 文档中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：字段无法别搜索

倒排索引演示

POST _analyze
{
  "analyzer": "standard",
  "text": "Mastering Elasticsearch"
}

# 输出:
{
  "tokens" : [
    {
      "token" : "mastering",
      "start_offset" : 0,
      "end_offset" : 9,
      "type" : "<ALPHANUM>",
      "position" : 0
    },
    {
      "token" : "elasticsearch",
      "start_offset" : 10,
      "end_offset" : 23,
      "type" : "<ALPHANUM>",
      "position" : 1
    }
  ]
}


====================================================

POST _analyze
{
  "analyzer": "standard",
  "text": "Elasticsearch Essentials"
}


# 输出:
{
  "tokens" : [
    {
      "token" : "elasticsearch",
      "start_offset" : 0,
      "end_offset" : 13,
      "type" : "<ALPHANUM>",
      "position" : 0
    },
    {
      "token" : "essentials",
      "start_offset" : 14,
      "end_offset" : 24,
      "type" : "<ALPHANUM>",
      "position" : 1
    }
  ]
}

作者：锐玩道
链接：https://juejin.cn/post/6993579025604018213
来源：掘金
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。