迷宫网

很多搜索引擎都是基于倒排索引，比如luncene，solr以及elasticsearch

正排索引聊倒排搜索之前先来看看正排索引，正排其实就是数据库表，他通过id和数据进行关联，如下：

| 数据id | 数据内容 ||------|--------------|| 1001 | 苹果公司发布iPhone || 1002 | 地球引力起源于苹果 || 1003 | iPhone屏幕碎了 || 1004 | 我在苹果商店维修屏幕 || 1005 | 我刚刚吃了苹果 |
我们可以通过搜索id，来获得相应的数据，也能删除数据。你买了一本书，书的目录其实也是正排搜索。假设现在我要搜苹果俩字，那么他会对这张表格中每一行的数据做匹配，去查找一下，是否包含苹果这两个字，从第一条匹配到最后一条，如果一张表中数据量不多，几万，十几万，那么问题不大，但是一旦数据量有上百万，上千万，那么全表扫描这种的搜索性能就会有影响。其次，这个时候我想搜索苹果iPhone，那么我们无法把这词汇拆开再到数据库去搜索。 优点：使用起来方便，原理也简单，比较入门 缺点：检索效率低下，适合简单场景使用，比如传统项目，数据量较小的项目。不支持分词搜索。### 倒排索引与正排是反着来的，他会把文档内容进行分词，比如苹果公司发布iPhone是一个文档数据，当我们把他存入到搜索引擎中去的时候，会有一个文档id，这个文档id就类似于数据库主键。但是这文档存储的时候和数据库不一样，他会进行一个分词，参照上面的表格，分词后的结果如下：
| 文档数据 | 分词结果 ||--------------|-----------------|| 苹果公司发布iPhone | 苹果，公司，发布，iPhone || 地球引力起源于苹果 | 地球，引力，起源，于，苹果 || iPhone屏幕碎了 | iPhone，屏幕，碎了 || 我在苹果商店维修屏幕 | 我，在，苹果，商店，维修，屏幕 || 我刚刚吃了苹果 | 我，刚刚，吃了，苹果 |每一个词汇都会和文档id关联起来，可以根据词汇来找到所有出现的id列表，如下：
| 词汇 | 文档ids ||--------|---------------------|| 苹果 | 1001，1002，1004，1005 || iPhone | 1001，1003 || 公司 | 1001 || 发布 | 1001 || 地球 | 1001 || 引力 | 1001 || 起源 | 1001 || 于 | 1001 || 屏幕 | 1003，1004 || 碎了 | 1003 || 我 | 1004，1005 || 在 | 1004 || 商店 | 1004 || 维修 | 1004 || 刚刚 | 1005 || 吃了 | 1005 |
假设现在我要搜索iPhone，如果是数据库搜索，假设有1亿条数据，那么会匹配1亿次，全表扫描。最后再把数据返回出来。如果是搜索引擎，那么有可能第一次就把所有文档数据给查出来，当然也有可能是第N次，当然他肯定要比数据库的搜索效率更高。如图中位置，他会直接把1001，1003两个文档返回。可能会有同学会问，数据库和搜索引擎都是1000万数据，搜索的词汇在搜索引擎中正好是第1000万条，那么会不会慢，其实这个肯定会比数据库更快，数据库要匹配是一个文本中的内容和关键词匹配，而搜索引擎是直接把关键字做匹配，效率肯定后者更快。

• 优点：搜索更快，耗时短，用户体验高，精装度也高
• 缺点：维护成本高，索引新建后要修改，必须先删除，前期需要很好地规划