什么是倒排索引

先来说说什么事正排索引，举个简单的例子，常规的数据库存储就是正排索引。
以下面的作为例子：

网页 A 中的内容片段：

Tom is a boy.

Tom is a student too.



网页 B 中的内容片段：

Jon works at school.

Tom's teacher is Jon.

构建索引时，就是在数据库里面存在两个 doc，每个 doc 记录下相应的索引信息。

image.png

这样当我们要搜索 Tom 这个关键字，就要遍历所有的记录查到索引信息，效率很慢。正排索引也有相应的优点，就是构建索引快，对于新的内容只需要增加一条记录就行了，很方便维护。

倒排索引

由于正排的耗时太长缺点，倒排就正好相反，是以 word 作为关键索引。表中关键字所对应的记录表项记录了出现这个字或词的所有文档，一个表项就是一个字表段，它记录该文档的 ID 和字符在该文档中出现的位置情况。

倒排包含两部分：

        1、由不同的索引词（index term）组成的索引表，称为 “词典”（lexicon）。其中包含了各种词汇，以及这些词汇的统计信息（如出现频率 nDocs），这些统计信息可以直接用于各种排名算法。

        2、由每个索引词出现过的文档集合，以及命中位置等信息构成。也称为 “记录表”。就是正排索引产生的那张表。当然这部分可以没有。具体看自己的业务需求了。

下面是一个简单的倒排索引构建，只包含第一部分的。

image

倒排的优缺点和正排的优缺点整好相反。倒排在构建索引的时候较为耗时且维护成本较高，但是搜索耗时短。