正排索引 vs 倒排索引

• 正排索引 - 文档 ID 到文档内容的索引；
• 倒排索引 - 单词到文档 ID 的索引；

倒排索引的核心组成

单词词典 | Term Dictionary

• 记录所有文档的单词；
• 记录单词 -> 倒排列表的关联映射；
• 单词词典一般比较大，可以通过 B+ 树或哈希链法实现，以满足高性能的插入和查询；

倒排列表 | Posting List

• 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 | 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；
• 位置 | Position - 单词在文档中分词的位置，用于语句搜索（Phase Query）；
• 偏移 | Offset - 记录单词的开始结束位置，实现高亮显示；

举个栗子 | 单词“ElasticSearch”的倒排列表

• 单词“ElasticSearch”对应的倒排列表：

  
  
  

  ElasticSearch 的倒排索引.png

ElasticSearch 的倒排索引

• ElasticSearch 的 JSON 文档中的每个字段，都有自己的倒排索引；
• 可以指定某些字段不做索引
  • 优点：节省存储空间；
  • 缺点：字段无法被搜索；