Elasticsearch - 倒排索引

为创建倒排索引，es首先将每个文档的 content 域拆分成单独的词（词条 || Tokens），并创建一个包含所有不重复词条的排序列表，然后记录每个词条出现在哪个文档。

倒排索引

1. 倒排索引包含两个部分
   1. 单词词典，记录所有文档的单词，记录单词到倒排列表的关联关系
      • 单词词典一般比较大，可以通过 B+ 树或者哈希拉链法实现，以满足高性能的插入与查询
   2. 倒排列表，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
        1. 文档 ID - 文档唯一ID
        2. 词频 TF - 该单词在文档中出现的次数，用于相关性评分
        3. 位置 Position - 单词在文档中分词的位置。用于语句搜索 （phrase query）
        4. 偏移 Offset - 记录单词的开始结束位置，实现高亮显示
2. Elasticsearch 的 JSON 文档中的每个字段，都有自己的倒排索引
3. 可以在 Mapping 中指定对某些字段不做索引
   • 优点：节省存储空间
   • 缺点：字段无法被搜索

直观的例子

• 图书

  • 正排索引 - 目录页
  • 倒排索引 - 索引页

• 搜索引擎

  • 正排索引 - 文档 id 到文档内容和单词的关联
  • 倒排索引 - 单词到文档id 的关系