正排索引与倒排索引

正排 -- 目录

image.png

文档id 到 文档内容 和 单词 的一个关联

倒排 -- （关键词）索引页

image.png

count ： 单词出现次数

单词 到 文档id的一个关联

倒排索引的核心 包含两个部分

一、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和查询

二、倒排列表（Posting List）记录了单词对应的文档结合，又倒排索引组成

• 倒排索引项（Posting）
  1.文档id
  2.词频TF 该单词在文档中出现的次数，用于相关评分
  3.位置（Position）单词在文档中分词的位置。用于语句搜索（phrase query）
  4.偏移（Offset） 记录单词的开始结束位置，实现高亮显示

一个例子： Elasticsearch的倒排索引

image.png

Elasticsearch的倒排索引

image.png