Elasticsearch的核心是基于倒排索引惕虑。因此庇忌，我們有必要了解一下倒排索引算法义屏。
簡單的例子
既然有倒排索引但惶，那么也一定有正排索引。
我們以一本書為例湿蛔，每本書都有目錄頁，目錄頁里面的每條記錄都會存儲內(nèi)容的頁碼县爬，我們可以很快地通過頁碼查找到具體的文檔內(nèi)容阳啥。
假如，我們想根據(jù)某些關(guān)鍵詞财喳，查找他們在哪些文檔中出現(xiàn)了察迟，僅僅使用目錄頁可能沒辦法實現(xiàn)。而有的書籍有索引頁耳高，索引頁記錄了文檔關(guān)鍵詞到文檔頁碼的關(guān)聯(lián)關(guān)系扎瓶。這兒的索引頁就是倒排索引。
我們總結(jié)一下：
- 目錄頁 - 正排索引泌枪，文章id到文檔內(nèi)容和單詞的關(guān)聯(lián)概荷。
- 索引頁 - 倒排索引，單詞到文檔內(nèi)容的關(guān)聯(lián)碌燕。
正排索引
倒排索引
正排和倒排的類比
假如有3本書误证，每本書的id和內(nèi)容都不同，如下所示：
| id | Document |
|---|---|
| 1 | ElasticSearch Action |
| 2 | Mastering ElasticSearch |
| 3 | ElasticSearch Server |
我們使用倒排索引修壕，可建立如下結(jié)構(gòu)：
| Term | Count | DocumentId:Position |
|---|---|---|
| ElasticSearch | 3 | 1:0 2:1 3:0 |
| Action | 1 | 1:1 |
| Mastering | 1 | 2:0 |
| Server | 1 | 3:1 |
其實愈捅，倒排索引由以下內(nèi)容組成
- 單詞詞典 - 所有文檔的單詞，單詞到倒排列表的關(guān)聯(lián)關(guān)系
- 單詞詞典可能會比較大慈鸠，我們可針對它建立單詞索引蓝谨。常使用B+Tree或hash表來實現(xiàn)，以提高維護和查詢的性能
- 倒排列表 - 單詞和對應(yīng)的文檔組合，由倒排索引項組成譬巫。每個倒排索引項包含以下內(nèi)容：
- 文檔id
- TF咖楣，詞頻 - 單詞在文檔中出現(xiàn)的次數(shù)÷铺猓可用于相關(guān)性打分
- Position截歉，位置 - 單詞在文檔中分詞的位置⊙塘悖可用于語句搜索
- Offset瘪松，偏移量 - 單詞的開始位置∠前ⅲ可用于高亮顯示
以上面的例子為例宵睦，我們看一下單詞ElasticSearch的倒排列表是怎樣的。
| id | TF | Position | Offset |
|---|---|---|---|
| 1 | 1 | 0 | <0,13> |
| 2 | 1 | 1 | <10,23> |
| 3 | 1 | 0 | <0,13> |
Elasticsearch中的倒排索引
- Elasticsearch的json文檔中墅诡，每個字段都可以加入到倒排索引
- 可指定某些字段不做索引
- 優(yōu)點：節(jié)省存儲空間
- 缺點：字段無法被搜索
總結(jié)
我們簡單地對倒排索引進行了說明壳嚎，且未深入將Elasticsearch里面的各種算法。希望通過這篇文章末早，讓讀者對于倒排索引有一個入門級的了解烟馅。
