搜索引擎原理（二）索引（2）

搜索引擎原理（二）索引（1）這一篇文章講解了搜索引擎索引的基本方法，這篇文章是關於索引的第二篇文章，主要關於索引的更新和查詢策略。

主要內容如下：

1. 索引更新
2. 查詢處理

索引更新

隨著新加入系統的文檔越來越多，要考慮合適的索引更新方法。常用的有四種：完全重建策略、再合併策略、原地更新策略和混合策略。

完全重建策略

完全重建策略比較簡單，就是新老文檔合併。因為重建策略的代價比較高，所以只適合小文檔集合。

再合併策略

新文檔進入搜索系統時，搜索系統在內存臨時維護倒排索引來記錄信息，當內存即將被消耗完時把臨時索引和老文檔的倒排索引進行合併。

其基本步驟和搜索引擎原理（二）索引講到的建立索引步驟基本一致。

再合併策略是效率非常高的索引跟新策略，主要原因在於，在對老的索引進行遍歷時，因為已經按照索引單詞的詞典由低到高拍好序，所以可以順序讀取文件內容，減少磁碟尋道。

原地更新策略

原地更新是為了改變再合併策略的缺點，其提出一點改進，即在索引更新過程中，如果老索引的倒排列表沒有變化，可以不需要讀取這些信息，而只對那些倒排列表變化的單詞進行處理。甚至希望更進一步：即老索引的倒排列表發生變化，是否可以只對其末尾進行追加操作，而不需要讀取原先的倒排列表並重寫到磁碟另外一個位置？

為了達到上述目標，原地更新策略在索引合併時，並不生成新的索引文件，而是直接在老索引後面進行追加操作。

混合策略

將以上三種策略進行混合，達到具體問題具體分析，形成更高效的方法。

混合策略一般會對單詞的性質進行分類，不同類別的單詞，索引更新策略也不相同。一般是長倒排列表原地更新，短倒排列表再合併。

查詢處理

假設索引已經建立，還需要解決的問題是響應用戶的搜索需求。

目前有兩種常見的方式：一次一文檔和一次一單詞。

一次一文檔

以文檔為單位，循環計算某個文檔與查詢的最終相似性，直到所有文檔都計算完畢。

一次一單詞

首先將某個單詞對應的倒排列表中的每個文檔ID都計算一個部分相似性得分，接著計算下一個單詞倒排列表中包含的文檔。當所有單詞處理完畢後，按照大小排序，輸出得分最高的K個文檔作為搜索結果。

本章內容就是這麼多，下一篇將講解多欄位索引、短語查詢和分散式索引。