正排索引和倒排索引理解详解

古城微笑少年丶 2022-12-08 05:17 166阅读 0赞

### 正排索引和倒排索引理解详解 ###

*   *  一、正排索引
     *  二、 倒排索引
     *  三、为什么搜索引擎选用倒排索引？
     *  四、倒排索引优点
     *  五、小结

***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！***  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center]

## 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！

![在这里插入图片描述][20200207152559955.png_pic_center]

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

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center]: /images/20221123/b0b897b33a6f4700839648f5ff489336.png
[20200207152559955.png_pic_center]: /images/20221123/bc58627db2e049b8b2a4af04245dd367.png