倒排索引与数据库索引

数据库索引

mysql索引以B+树作为存储结构，B+树的主要特点是，非叶子节点不存储数据，数据只存储在叶子节点上，并且所有叶子节点组成有序链表

主键索引（聚簇索引）

假设我们的表结构如下

CREATE TABLE `users` (
  `id` int(11) NOT NULL AUTO_INCREMENT COMMENT '主键',
  `name` varchar(20) DEFAULT NULL COMMENT '名称',
  `bank_no` varchar(20) DEFAULT NULL COMMENT '银行卡号',
  `hobby` varchar(20) DEFAULT NULL COMMENT '兴趣爱好',
  PRIMARY KEY (`id`),
  UNIQUE KEY `user_bank_no` (`bank_no`,`name`) USING BTREE
) ENGINE=InnoDB DEFAULT CHARSET=utf8

数据库主键索引对应的文档存储的表内容可表示为：

DocumentId	name	bank_no	hobby
1	鲁智深	6201	篮球、唱歌
200	吴用	5100	篮球、旅游
3000	花荣	1234	台球、旅游
5000	柴进	2245	唱歌、游泳
5001	武松	5678	篮球、游泳
5200	杨志	1345	游泳、台球
8000	宋江	9987	唱歌
10000	卢俊义	3347	足球、旅游

主键索引的存储结构如下

图：主键索引存储结构

非主键索引

非主键索引存储结构

非主键索引的叶子节点只存储索引字段及主键，如果需要索引字段之外的信息，则需要根据主键再回表查询。
比如我们按照银行卡号查询用户名、兴趣爱好等字段，则会根据索引过滤后再回表查询完整信息，被称为是索引下推。

倒排索引

数据库索引是一种正排索引，上面的例子中，如果查询兴趣爱好为“游泳”的用户信息，则会触发全表扫描。这种情况下创建全文索引可很大程度的提高查询效率，而全文索引(full inverted index )就一种倒排索引(inverted file index )的实现。

如果是倒排索引，则文档存储的表内容可表示为：

Number	text	Documents
1	篮球	1，200，5001
2	唱歌	1, 5000, 8000
3	旅游	200, 3000, 10000
4	台球	3000, 5200
5	游泳	5000, 5200
6	足球	10000

全文索引不仅可以存储文档的ID，还可以存储单词在text的位置信息(position)

Number	text	Documents[(DocumentId: position)]
1	篮球	(1: 1)，(200: 1), (5001: 1)
2	唱歌	(1: 2), (5000: 1), (8000: 1)
3	旅游	(200: 2), (3000: 2), (10000: 2)
4	台球	(3000: 1), (5200: 2)
5	游泳	(5000: 2), (5200: 1)
6	足球	(10000: 1)

最后，倒排索引作为一种索引结构，可以更好的定位数据，并能扩充一些搜索特性，但是也会占用更多的磁盘空间。