3.4-倒排索引入门

倒排索引的核心组成

• 倒排索引包含两个部分

  • 单词词典(Term Dictionary), 记录所有文档的单词, 记录单词到倒排索引的关联关系

    • 单词词典一般比较大, 可以通过B+数或哈希拉链法实现,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, 用于相关性评分

      • 位置(Posting) - 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

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

课程DEMO

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

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

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

相关阅读

• https://zh.wikipedia.org/wiki/%E5%80%92%E6%8E%92%E7%B4%A2%E5%BC%95
• https://www.elastic.co/guide/cn/elasticsearch/guide/current/inverted-index.html