倒排索引的构建与原理

本章定位：倒排索引是全文搜索的核心数据结构。理解它的构建原理和查询时的工作方式，才能真正理解 ES 为什么快。

定义与作用

倒排索引（Inverted Index）是"词项（Term）→ 文档列表（Posting List）"的映射。与正排索引（文档→词项列表）相反。搜索时，通过检索词项直接定位包含该词的文档集合，通过交集、并集等快速运算得到结果。

解决的痛点：正排索引需要逐文档扫描判断是否包含搜索词（全表扫描），倒排索引从词出发直接定位到文档，是大数据量全文搜索的基础。

完整示例：构建倒排索引

文档 1：Python 数据分析教程
文档 2：机器学习与数据挖掘

分词后倒排：
"Python"  → [Doc1]
"数据"    → [Doc1, Doc2]
"分析"    → [Doc1]
"教程"    → [Doc1]
"机器"    → [Doc2]
"学习"    → [Doc2]
"挖掘"    → [Doc2]

搜索"数据分析"：分词→"数据"+"分析"→取交集[Doc1]→直接命中

Posting List 结构

词项: "数据"
Posting List: [Doc1, Doc2]
  Doc1: 位置[2], 词频1
  Doc2: 位置[4], 词频1

词频用于 BM25 评分，位置用于 match_phrase 短语匹配。

小结

倒排索引：词→文档映射。搜索 = 词项查找 + 交集/并集运算 + BM25 评分。这是 ES 全文搜索的核心竞争力。Posting List 中的词频和位置信息支撑了评分和短语匹配。