為什么使用倒排索引而不是正排索引？

Elasticsearch選擇使用倒排索引而不是正排索引，主要是基于倒排索引在處理全文搜索和大規(guī)模數(shù)據(jù)集時(shí)的優(yōu)勢(shì)。下面將詳細(xì)解釋為什么Elasticsearch更傾向于使用倒排索引，并提供一些簡(jiǎn)化的代碼片段來說明這兩種索引結(jié)構(gòu)的基本差異。

1.正排索引（Forward Index）

正排索引是一種將文檔映射到其包含的單詞的索引結(jié)構(gòu)。每個(gè)文檔都有一個(gè)與之關(guān)聯(lián)的單詞列表，列表中的單詞按照在文檔中出現(xiàn)的順序進(jìn)行排列。正排索引可以快速找到文檔中包含的單詞，但對(duì)于查找包含特定單詞的所有文檔則不是很高效。

例如，假設(shè)有兩個(gè)文檔：

Document 1: "The quick brown fox jumps over the lazy dog"  
Document 2: "Quick foxes jump over lazy dogs in summer"

一個(gè)簡(jiǎn)化的正排索引可能如下所示：

Document 1 -> [the, quick, brown, fox, jumps, over, the, lazy, dog]  
Document 2 -> [quick, foxes, jump, over, lazy, dogs, in, summer]

如果想要查找包含單詞"quick"的所有文檔，需要遍歷整個(gè)索引，檢查每個(gè)文檔的單詞列表，這在大規(guī)模數(shù)據(jù)集中是非常低效的。

2.倒排索引（Inverted Index）

倒排索引是一種將單詞映射到包含該單詞的文檔的索引結(jié)構(gòu)。每個(gè)單詞都有一個(gè)與之關(guān)聯(lián)的文檔列表，列表中的文檔按照某種排序標(biāo)準(zhǔn)（如相關(guān)性分?jǐn)?shù)）進(jìn)行排列。倒排索引可以高效地找到包含特定單詞的所有文檔，并支持復(fù)雜的查詢操作，如短語查詢、通配符查詢和布爾查詢等。

對(duì)于上面的文檔示例，一個(gè)簡(jiǎn)化的倒排索引可能如下所示：

the    -> [Document 1]  
quick  -> [Document 1, Document 2]  
brown  -> [Document 1]  
fox    -> [Document 1]  
jumps  -> [Document 1]  
over   -> [Document 1, Document 2]  
lazy   -> [Document 1, Document 2]  
dog    -> [Document 1]  
foxes  -> [Document 2]  
jump   -> [Document 2]  
dogs   -> [Document 2]  
in     -> [Document 2]  
summer -> [Document 2]

現(xiàn)在，如果想要查找包含單詞"quick"的所有文檔，只需要查找與"quick"關(guān)聯(lián)的文檔列表即可，這是一個(gè)非常高效的操作。

3.小結(jié)

Elasticsearch選擇使用倒排索引而不是正排索引，主要是基于倒排索引在處理搜索查詢時(shí)的優(yōu)勢(shì)。

正排索引是一種基于文檔的索引結(jié)構(gòu)，它將文檔中的每個(gè)詞匯作為關(guān)鍵詞進(jìn)行排序和存儲(chǔ)。當(dāng)查詢請(qǐng)求到來時(shí)，Elasticsearch會(huì)根據(jù)查詢中的詞匯在文檔中的出現(xiàn)頻率和位置信息，對(duì)文檔進(jìn)行排序和匹配。這種索引結(jié)構(gòu)適用于全文搜索和基于關(guān)鍵詞的搜索，因?yàn)樗軌蚩焖俣ㄎ坏桨樵冴P(guān)鍵詞的文檔。

然而，正排索引在處理基于短語或句子的搜索時(shí)可能效果不佳，因?yàn)樗鼰o法有效地將多個(gè)相關(guān)的詞匯組合在一起進(jìn)行匹配。此外，隨著索引值的增大，一個(gè)節(jié)點(diǎn)能存儲(chǔ)的數(shù)據(jù)量會(huì)大大減少，導(dǎo)致B+樹（一種常見的正排索引結(jié)構(gòu)）變得更深，每次查詢數(shù)據(jù)所需的IO次數(shù)也會(huì)增多，從而影響查詢效率。

相比之下，倒排索引是一種基于詞匯的索引結(jié)構(gòu)，它將文檔中的詞匯作為索引項(xiàng)進(jìn)行存儲(chǔ)，并將每個(gè)詞匯與其對(duì)應(yīng)的文檔集合進(jìn)行關(guān)聯(lián)。當(dāng)查詢請(qǐng)求到來時(shí)，Elasticsearch會(huì)根據(jù)查詢中的詞匯在倒排索引中查找與之匹配的文檔集合，并進(jìn)行排序和匹配。這種索引結(jié)構(gòu)能夠更好地處理基于短語或句子的搜索需求，因?yàn)樗軌驅(qū)⑴c查詢相關(guān)的多個(gè)詞匯組合在一起進(jìn)行匹配，從而提高了搜索的準(zhǔn)確性和性能。

此外，倒排索引還通過使用分詞器對(duì)文本進(jìn)行分詞，將文本切分成更小的詞匯單元，并構(gòu)建詞匯到文檔的映射關(guān)系。這種處理方式使得Elasticsearch能夠更靈活地處理各種文本數(shù)據(jù)，并支持更復(fù)雜的查詢操作。

因此，綜合考慮倒排索引在處理搜索查詢時(shí)的優(yōu)勢(shì)和正排索引的局限性，Elasticsearch選擇使用倒排索引作為其主要的索引結(jié)構(gòu)。同時(shí)，在實(shí)際應(yīng)用中，Elasticsearch也會(huì)結(jié)合使用正排索引等其他索引結(jié)構(gòu)，以提高搜索性能和準(zhǔn)確性。文章來源地址http://www.zghlxwxcb.cn/news/detail-836484.html

到了這里，關(guān)于【Elasticsearch專欄 02】深入探索：Elasticsearch為什么使用倒排索引而不是正排索引的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！