跳转至

第三节 倒排索引

1、倒排索引入门

1-1 正排与倒排索引

  • 目录 - 正排

Alt Image Text

快速查找“benchmarking”所在的页面

  • 索引页 - 倒排

Alt Image Text

1-2 图书和搜索引擎的类比

  • 图书
    • 正排索引一目录页
    • 倒排索引一索引页
  • 搜索引擎
    • 正排索引一文档Id到文档内容和单词的关联
    • 倒排索引一单词到文档Id的关系

1-3 正排索引和倒排索引

Alt Image Text

1-4 倒排索引的核心组成

倒排索引包含两个部分

  • 单词词典(Term Dictionay）记录所有文档的单词，记录单词到倒排列表的关联关系
    • 单词词典般比较大，可以遇过B＋树或哈希拉链法实现 ， 以满足高性能的插入与查询
  • 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，用于相关胜评分
      • 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

Alt Image Text

1-5 Elasticsearch的倒排索引

  • Elasticserach的JSON文档中的每个字段, 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：字段无法搜索
POST _analyze
{
  "analyzer": "standard",
  "text": "Mastering Elasticsearch"
}

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

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