倒排索引

倒排索引是一种用于存储和组织信息的数据结构，用以实现高效的基于值的搜索与检索。

它广泛应用于数据库系统、搜索引擎和分析平台中，用于加速过滤操作和关键词匹配。

何时使用倒排索引

当你的工作负载涉及频繁的基于特定字段值的查找时，应使用倒排索引。它在以下场景中表现出色：

• ✅ 精确值过滤：
  • status = "active"
  • category IN ("electronics", "books")
• ✅ 范围查询：
  • age > 25
• ✅ 文本模式匹配：
  • 前缀匹配：product_name LIKE "Wireless%"
  • 后缀匹配：email LIKE "%@engineering.company.com"
• ✅ 数组或集合成员查询：
  • 包含任一：tags CONTAIN_ANY ["sport", "music"]
  • 包含全部：permissions CONTAIN_ALL ["read", "write"]

工作原理

假设你正在整理一个食谱 Collection。每个食谱是一个 document，包含结构化字段 cuisine、author 和 url。

常规的（"正向"）视角的问题是：

Document #1 包含哪些值？ → Cuisine: Italian, Author: Julia Chen

但倒排索引将这个映射反转。它回答的是：

哪些 Document 包含值 Italian？ → [1, 4, 5]

为了实现快速查找，我们对频繁被搜索的字段（如 cuisine 和 author）构建倒排索引。

倒排索引：cuisine

倒排索引：author

有了这些索引，查询变得极其高效 ✨：

• "查找所有意大利菜谱" → 在 cuisine 索引中查找 "Italian" → [1, 4, 5]
• "查看 Marco Rossi 的菜谱" → 在 author 索引中查找 "Marco Rossi" → [4, 5]
• "查找 Julia Chen 的意大利菜谱" → 取交集 [1, 4, 5] 和 [1, 6] → [1]

我们不对 url 建立索引，因为它很少用于查询。对其建立索引会浪费存储空间并减慢写入速度，而收益甚微。一旦我们有了 Document ID，可以直接从原始数据中获取其 url。

为什么叫"倒排"？

因为它将标准映射进行了反转：

这种反转使得基于关键词的搜索变得高效。无需检查每个 Document 是否包含查询词项，而是直接跳转到该词项并立即获取所有匹配的 Document。

权衡

虽然倒排索引功能强大，但也有一定代价：

• ⚠️ 存储开销：索引需要额外的存储空间。
• ⚠️ 写放大：每次写操作 — INSERT、UPSERT 和 UPDATE — 都需要维护索引，增加了写入延迟和 I/O 负载。