倒排索引

1、倒排索引相关概念：

文档、文档集合、文档编号（DocId）、单词编号

倒排索引、单词词典、倒排列表、倒排文件

2、带有单词频率、文档频率和出现位置信息的倒排索引实例（实现term->DocID的映射关系，并附加主要的结果排序特征）

3、单词词表存储形式：哈希加链表、B树或B+树

4、倒排列表

在实际的搜索引擎中，并不保存倒排索引项中的实际文档编号，而是代之以文档编号差值（D-Gap），目的是为了增加数据压缩率。

5、建立索引的方式

两遍文档遍历法（2-pass in-memory inversion）  内存容量要求高、速度慢

排序法（Sort-based Inversion）   词典永不写磁盘；三元组形式；局部排序，中间结果文件合并（分配固定大小内存，内存-磁盘模型）

归并法（Merge-based Inversion）    词典随中间结果文件写磁盘；完整内存索引结构；对局部倒排索引结果合并（分配固定大小内存，内存-磁盘模型）

6、动态索引

倒排索引、临时索引、已删除文档列表

7、索引更新策略

完全重建策略、再合并策略、原地更新策略、混合策略

8、查询处理

一次一文档(doc at a time)、一次一单词(term at a time)、跳跃指针(skip pointers)

9、多字段索引

多索引方式、倒排列表方式、扩展列表方式(Extent List)

10、短语查询

位置信息索引（position index）、双词索引（nextwork index）、短语索引（phrase index）、混合方式

11、分布式索引