ES elasticsearch 的倒排索引

倒排索引（Inverted Index） 是一种高效的数据结构，来实现快速且灵活的全文搜索功能。倒排索引是信息检索系统中非常核心的概念，其主要目的是为了加快查询速度。以下是倒排索引的基本原理和工作流程：

基本概念

在传统的正向索引（Forward Index）中，数据是按文档的顺序存储的，每个文档对应一系列词语及其出现的位置。而在倒排索引中，这种关系被反转过来：索引是按照词语来组织的，每个词语指向包含它的所有文档的列表，以及该词语在这些文档中的位置信息。

工作流程

• 分词（Tokenization）：首先，文本被分析器（Analyzer）处理，将文档拆分成单词或术语（Token）。这个过程包括去除标点符号、转换为小写、分词等步骤。
• 创建词项文档矩阵：接下来，系统为每个独一无二的词项（Term）建立一个记录，这个记录包含了该词项出现在哪些文档中，以及在每篇文档中的位置。这个过程生成了一个倒排列表（Posting List），每个词项都有一个这样的列表。
• 压缩与优化：倒排列表可能会占用大量空间，因此会采用各种压缩技术来减少存储需求。同时，为了提高查询效率，倒排索引还会进行一些优化，比如分块存储、使用跳跃指针快速定位等。
• 查询处理：当用户发起搜索请求时，Elasticsearch 会查找倒排索引中对应的词项，迅速获取到包含这些词项的所有文档ID列表。然后，根据相关性评分算法（如TF-IDF、BM25等）对这些文档进行排序，最后返回最相关的文档给用户。

优势

• 查询速度快：直接通过关键词查找文档列表，无需遍历全部文档。
• 支持复杂查询：容易实现多关键词搜索、短语搜索、布尔查询等高级搜索功能。
• 易于更新和维护：添加、删除文档时，只需更新相关词项的倒排列表即可，无需重构整个索引。

倒排索引是Elasticsearch能够实现高效、大规模全文搜索的关键所在。