什么是 Elasticsearch 的 Posting List 倒排列表？

回答重点

Elasticsearch 的 Posting List，也叫倒排列表，是一种数据结构，用于快速查找包含某个单词或词条（term）的文档集合。在搜索引擎中，它是用来解决查询效率问题的核心组件。当我们进行搜索时，Elasticsearch 会通过倒排列表迅速确定所有包含查询词条的文档，从而大大提高搜索速度。

扩展知识

1）倒排列表的构成：

倒排列表包含两个主要部分：

• Term：每个词条，即不同的单词或词语。
• Posting List：与某个词条相对应的文档ID列表，表示哪些文档中包含了这个词条。

举例来说，如果有三个文档：
- Doc1: “Elasticsearch is powerful”
- Doc2: “Elastic is flexible”
- Doc3: “Elasticsearch is powerful and flexible”

倒排列表会被构造成如下：
- Term: “Elasticsearch” -> Posting List: [Doc1, Doc3]
- Term: “is” -> Posting List: [Doc1, Doc2, Doc3]
- Term: “powerful” -> Posting List: [Doc1, Doc3]
- Term: “and” -> Posting List: [Doc3]
- Term: “flexible” -> Posting List: [Doc2, Doc3]

2）倒排列表的建立：

当文档被索引的时候，Elasticsearch 会分析文档内容，将其分解为多个词条，并建立倒排列表。这个过程包括以下步骤：

• 分词：将文档分成独立的词条。
• 标准化：将词条转换为标准形式，例如去掉标点符号，转为小写字母等。
• 建立倒排列表：将词条对应的文档ID加入到倒排列表中。

3）查询优化：

Elasticsearch 的倒排列表不仅能快速找到包含某个词条的文档，还可以进行进一步的优化：

• 跳表（Skip List）：在长倒排列表中插入跳表索引，方便快速跳过不需要的部分。
• 布尔查询（Boolean Queries）：结合多个词条的倒排列表进行布尔运算（AND, OR, NOT），提升查询的组合能力。
• 位置索引：记录词条在文档中的具体位置，以支持短语搜索或邻近搜索。