正向索引和倒排索引：

正向索引：

比方说我这里有一张数据库表，那我们知道对于数据库它一般情况下都会基于i d去创建一个索引，然后形成一个b+树。

那么你根据i d进行检索的速度，就会非常的快，那么这种方式的所以就是一个正向索引。但是如果我现在搜索的字段不是i d，而是一个普通的标题字段，标题字段一般它内容比较长，你不会给他加索引，对吧？

即便你给他加索引，那现在我想的不是确的标题值。我想其中的一部分：

搜索'手机"

select *from tb_goods where title like'%手机%'

这里你一旦使用了这样的模糊匹配，那么即便这个字段有索引，将来是不是也不生效了？那这种情况下没有索引，我们数据库该怎么去比较和查询？它就会采用逐条扫描的方式来判断每一行数据中是否包含手机。

判断以后，如果发现不包含，那就直接把它丢。如果包含，则把它放到我们的结果集当中。

逐行去扫描，最终一定能够拿到完整的结果集，没错吧。但是你想想看，如果你这张表有一千万的数据，那也就意味着你要扫描多少次了，是不是一千万次，那么它的性能可想而知是比较差的。

所以这是正向索引，它在做这种局部内容检索的时候，效率就比较差了。

倒排索引：

倒排索引，它在存储时，它会先先把文档中的内容分成词条去存。并且这些词条肯定会有大量的重复，没错吧？那因为中文的词语可能就那么多，但是我们不能重复记录，而是记录唯一的一个。如果有重复词条出现在后边，记录文档i d即可

        这样可以确保倒排索引当中，词条字段这里是绝对不会出现重复的，保证它的唯一性，  因为它的唯一性，我们就可以给它创建索引了，你可以数据较少的时候使用哈希法，也可以使用b+数，去给词条创建唯一索引，那将来我们根据词条查找的速度是不是就非常的快了 

比方说现在我来搜索华为手机，那这个搜索的方式比刚才那个是不是还要复杂了，那么我们的倒排索引它会怎么做？它第一步：会对用户输入的这一段内容： “华为手机”做一个分词。

因为搜索的时候给你的是一句话，华为手机”，这不行，要分词。那会分出两个词语，一个是“华为”，一个是”手机“，没错吧？

下一步该干嘛了？下一步拿着这两个词条去倒排索引中进行一个查询：

 因为所有词条建立了索引，所以我根据这俩词条来查询的速度如何，是不是非常的快。

这个时候，我去一查，我就能够查到谁呀。华为这不是2、3吗？手机是不是1、2么，那我就能够得到两组文档id没错吧？ 这个时候，我就可以通过文档id从而知道包含华为、手机的所有的文档了

其中的二号文档两个词都包含”华为“、”手机“这两个词儿。所以从关联度来讲，谁的关联度更高一点？是不是二号文档？那么将来我还给你排个序，二号我排在最前边，然后一和三再往后排。

那然后，我拿着这个三个id我就可以去查询文档了呀，是不是根据id建立了索引，那么拿着i d找，是不是快速的就能定位到文档了，最后把它放到我们的结果集当中就行了：

那么我们这个倒排索引的过程，同学们可以看到它其实经过了两次检索：

第一次是根据用户输入内容的词条去词条列表中进行一个寻找，找到对应的文档i d、

而第二次是拿着文档i d找具体文档。  虽然是两次，但每一次他都经历了索引进行查询，所以总的查询效率是比刚才那种逐条扫描要高的多的多的。

倒排索引为什么叫倒排索引？

倒排索引为什么叫倒排索引？因为在正向索引当中，我要去找到包含”华为“、”手机“，我得一行一行的先看这条文档，找到这条文档了，看一下：你包含手机吗？，包含的话存入结果集、再看下一条包不包含这个词语、再看下一条包不包含这个词语.....  :是先找到文档，然后看文档是否符合我们的词条要求。

而倒排索引是反过来的，它是基于词条创建索引，然后去关联到文档:查找的时候，是先找词条，再根据词条找到对应的文档，是根据词条找文档。而正向是根据文档找的词条，是不是反过来的一个过程，所以叫倒排索引，就是这个原因。

      

我们主要是了解了一下正向索引和倒排索引， 了解了两个概念，一个是文档，一个是词条。

   什么是文档？文档其实就是我们的每一行数据，无论是商品也好，还是订单也好，用户也好，还是这个网页也好，这些都是文档，每一条数据就是一个文档。那词条就是对文档中的内容做分词，按照语义：中文就按照中文含义分，英文就按照空格分，分出来的这些词语就是词条了

什么是正向索引，正向索引其实就类似于数据库那种，基于id创建的索引。那他在检索的时候，如果你是搜索非索引字段，你必须得逐行扫描去进行检索，然后进行匹配，先找文档，那根据文档判断是否包含词条。

而倒排索引是反过来一个过程。那它先相对内容分层得到词条，是给词条创建索引，然后记录词条所在的文档信息，查询的时候，是先根据词条找到文档i d，然后再根据id找到文档，是这么一个过程。