solr搜索引擎中的倒排索引

索引擎中的倒排索引"/>

solr搜索引擎中的倒排索引

倒排索引
  倒排索引源于实际应用中需要根据属性的值来查找记录。这种索引表中的每一项都包括一个属性值和具有该属性值 的各记录的地址。由于不是由记录来确定属性值，而是由属性 值来确定记录的位置，因而称为倒排索引。带有倒排索引的文 件我们称为倒排索引文件，简称倒排文件。

  传统意义的数据库，做索引时，都是一个文档id对应一个或者多个内容字段。而 倒排索引则是一个内容字段对应多个文档id。什么意思呢？举个例子，假设分别 把下面三句话存储到mysql和solr中：
I like sports
I like reading
I like reading books

  在mysql中，一个文档id对应一条记录，一条记录中就会有一个或多个内容字段。 比如：文档id为1，对应“I like sports”;文档id为2，对应“I like reading”。 而在搜索时，就会一条记录一条记录的去检索，比如：我想搜索“books”字 段，就会先从文档1找起，文档1没有，文档2也没有，文档3找到了，好，返回数 据。相对来说，这样效率有点低。

  而在solr中，倒排索引就相反了。它会这样做索引，“I”内容字段，对应文档id 为1和2；“like”内容字段，对应文档id为1和2；“sports”内容字段，对应文 档id为1；“reading”内容字段，对应文档id为2和3；“books”内容字段，对 应文档id为3，等等。这样做的好处在哪呢？

  比如：我想搜索“like reading books”这句话，我会把这句话分成三个单 词“like”、“reading”、“books”（这在solr中叫分词），这时我开始通过 内容字段查找文档id。比如我找“like”，文档id为1、2、3，那么这三个文档都 可以取出来。然后，我接着找“reading”，这时，文档id为1的没有，只剩下2 和3了。最后，我找“books”，只剩下文档id为3的存在了。根据一定的算法， 这次搜索结果，会给三个文档打分，从高到低：文档3、文档2、文档1。返还给用 户优先级，也是3、2、1。
  这样做的好处是：不用按照文档id，一个一个的遍历内容字段了，而是根据多个 内容字段，去找交叉最多的文档id（当然了，匹配文档id不止内容字段交叉，还 有时间、权重等因素，方便理解，省略了），这样做的话，搜索速度立马上升。