正排索引和倒排索引理解详解

叮嘟！这里是小啊呜的学习课程资料整理。好记性不如烂笔头，今天也是努力进步的一天。一起加油进阶吧！

一、正排索引

蜘蛛爬虫经过文字提取、中文分词、去重等操作后，得到的就是独特的、能反应页面的主题内容、以词为单位的字符串。接下来搜索引擎索引程序就可以提取关键词了，为该页面建立与关键词的对应关系，而这个过程就叫做正排索引。

1.正排索引： 由文档指向关键词

 文档--> 单词1 ,单词2

单词1 出现的次数  单词出现的位置； 单词2 单词2出现的位置  ...

正排索引：在搜索栏输入id查词条 
（已知id）

二、 倒排索引

当用户在搜索引擎搜索框中输入关键词的时候，搜索引擎就会把和关键词有关的页面展现给用户，而这个过程就叫做倒排索引。

2.倒排索引： 由关键词指向文档

单词1--->文档1,文档2，文档3

单词2--->文档1，文档2

倒排索引：
将搜索框中的词进行搜索查到哪些id包含这个词，在查这些id，找到词条 
（通过分词查出id） 

三、为什么搜索引擎选用倒排索引？

正排索引是不能直接用于排名的，如果只存在正排索引，排名程序需要扫描所有索引库中的文件，找出包含这个关键词的文件，在进行相关性的计算。这样就不能实时返回排名结果。

所以，搜索引擎会将正排索引数据库重新构造为倒排索引，把页面对应到关键词的关系表，转化为关键词对应的页面。

这样，当用户搜索某个关键词的时候，排名程序在倒排索引中定位这个关键词，就可以马上找到所有包含这个关键词的页面。

四、倒排索引优点

（1）不需要锁，提升并发能力，避免锁的问题。
（2）数据不变，一直保存在os cache中，只要cache内存足够。
（3）filter cache一直驻留在内存，因为数据不变。
（4）便于数据压缩，可以大幅度提高压缩率，节省cpu和io开销。
（5）在处理复杂的多关键字查询时，可在倒排表中先完成查询的并、交等逻辑运算，得到结果后再对记录进行存取，这样把对文档的查询转换为地址集合的运算，从而提高查找速度。

五、小结

正排索引和倒排索引的区别简单记为：
正排索引：文档 ---> 单词
倒排索引：单词 ---> 文档

倒排索引有着广泛的应用场景，比如：
搜索引擎、大规模数据库索引、文档检索、多媒体检索/信息检索领域等等。
总之，倒排索引在检索领域是很重要的一种索引机制。

Ending！
更多课程知识学习记录随后再来吧！

就酱，嘎啦！

注：
1、人生在勤，不索何获。
2、正排索引和倒排索引的区别参见博文：https://blog.csdn.net/u011243684/article/details/85264284

扫描二维码关注公众号，回复： 11811559 查看本文章