博客:cbb777.fun
全平台账号:安妮的心动录
github: https://github.com/anneheartrecord
下文中我说的可能对，也可能不对，鉴于笔者程度无限，请君自辨。有问题欢送大家找我探讨
正排索引和倒排索引是搜索引擎中常见的概念
正排索引指的是文档id到文档内容的映射，也就是将每个文档的内容存储在一个文档ID对应的数据结构中，便于疾速地依据文档ID获取文档内容。例如，在数据库中存储的数据，能够看做是一种正排索引的实现
倒排索引指的是词项到文档ID的映射，也就是将每个词项呈现的文档ID存储在一个词项对应的数据结构中，便于疾速地依据词项获取蕴含该词项的文档ID列表。例如在搜索引擎中应用的索引，就是一种倒排索引的实现
正排索引和倒排索引是搜索引擎实现的核心技术，它们的组合能够疾速地依据关键词搜寻相干文档，并返回相关度最高的后果
Elastic search是一种倒排索引的实现，它应用倒排索引来疾速地搜寻和查问文档
在ES中，每个文档都被存储为一个JSON格局的文档，每个文档都有一个惟一的ID。ES应用倒排索引来存储每个词项呈现的文档ID，以及每个文档中每个词项的呈现地位等信息。这使得ES可能高效的搜寻和查问文档
具体的例子如下Hello world,this is a sample document.
能够转化成如下的正排索引
document_id | position | term------------|----------|-------1 | 1 | Hello1 | 2 | world1 | 3 | this1 | 4 | is1 | 5 | a1 | 6 | sample1 | 7 | document能够看到，这个正排索引存储了文档ID、单词地位和单词自身。如果咱们要查找蕴含单词document的文档，咱们能够依据这个索引疾速找到该单词所在的地位，并获取对应的文档ID
相比之下，倒排索引存储了每个单词呈现在哪些文档中，即存储了单词->文档ID的键值对，举个例子Document 1: Hello world, this is a sample document.Document 2: The quick brown fox jumps over the lazy dog.Document 3: The sky is blue, the grass is green.
能够转化成如下的倒排索引
term | document_ids---------|-------------Hello | 1world | 1this | 1is | 1a | 1sample | 1document | 1The | 2, 3quick | 2brown | 2fox | 2jumps | 2over | 2the | 2, 3lazy | 2dog | 2sky | 3is | 3blue | 3grass | 3green | 3能够看到，这个倒排索引存储了每个单词呈现的文档ID，如果咱们要查找蕴含单词『document』的文档，能够疾速找到蕴含该单词的文档ID
本文由mdnice多平台公布