正排索引和倒排索引
在讲倒排索引前，先了解下什么是正排索引。在搜索引擎中每个文件对应一个文档 ID ，是文档 ID 到文档内容和单词的关联。
| 文档 ID | 文档内容 |
|---|---|
| 1 | Mastering ElasticSearch |
| 2 | ElasticSearch Server |
| 3 | ElasticSearch Essentials |
而倒排索引是单词到文档 ID 的关系
| Term | Count | DocumentId: Position |
|---|---|---|
| ElasticSearch | 3 | 1:1,2:0,3:0 |
| Mastering | 1 | 1:0 |
| Server | 2 | 2:1 |
| Essentials | 3 | 1:0 |
上面这个倒排索引记录每个词出现的次数，以及出现在文档的位置。
倒排索引的核心组成
倒排索引包含二个部分：
- 单词词典(Term Dictionary),记录了所有的文档的单词，记录单词到倒排列表的关联关系。
- 一般来说，单词词典一般来讲比较大，可以使用 B + 树或哈希拉链法实现，以满足高性能的插入和查询。
- 倒排列表(Position List)，记录了单词对应文档的集合，由倒排索引项组成。
- 倒排索引项
- 文档 ID
- 词频 TF，该单词在文档中出现在次数，用于相关性打分
- 位置 Position，单词在文档中出现的位置，用于语句搜索(phrase query)
- 偏移，记录单词的起始位置，实现高亮显示。
- 倒排索引项
对于下面这个文档列表：
| 文档 ID | 文档内容 |
|---|---|
| 1 | Mastering ElasticSearch |
| 2 | ElasticSearch Server |
| 3 | ElasticSearch Essentials |
对 ElasticSearch 这个词的倒排列表(Position List)是：
| Doc ID | TF | Position | Offset |
|---|---|---|---|
| 1 | 1 | 1 | <10:23> |
| 2 | 1 | 0 | <0,13> |
| 3 | 1 | 0 | <0,13> |
ES 中的倒排索引
对于 ES 中 JSON 文档中的每一个字段，都有自己的倒排索引。
当然，也可以对某些字段不做索引。其优点是节省存储空间、缺点是无法被搜索。
