Elasticsearch 篇之倒排索引与分词

正排索引

  文档ID到文档内容、单词的关联关系。比如书的目录页对应正排索引（指明章节名称，指明页数）用于查看章节

倒排索引：

  单词到文档ID的关联关系。比如索引页对应倒排索引（指明关键词、指明页数）用于关键词查找
  倒排索引时搜索引擎的核心，主要包含两个部分：

• 单词词典
  记录所有文档的单词，一般都比较大
  记录单词到倒排列表的关联信息
• 倒排列表
  记录了单词对应的文档集合，由倒排索引项组成。倒排索引项包含如下信息：
  • 文档ID，用于获取原始信息
  • 单词频率，记录该单词在该文档中的出现次数，用于后续相关性算分
  • 位置，记录单词在文档中的粉刺位置，用于做词语搜索

  • 偏移，记录单词在文档的开始和结束位置，用于做高亮显示

    
    
    
    

分词

分词是指将文本转换成一系列单词的过程，也可以叫做文本分析，在es里面成为Analysis

Analyze_api

ES自带分词器

image.png

image.png