Lucene源码分析之倒排索引（一）

Lucene源码分析之倒排索引（⼀）
倒排索引是 Lucene 的核⼼数据结构，该系列⽂章将从源码层⾯（源码版本：）分析。

该系列⽂章将以如下的思路展开。

1. 什么是倒排索引？
2. 如何定位 Lucene 中的倒排索引？
3. 倒排索引是如何搜索的？
4. 倒排索引是如何增删改的？
本⽂将介绍什么是倒排索引。

了解什么是倒排索引，其实是去了解为什么要有倒排索引。

考虑这样⼀种场景，给你很多篇⽂档，现在要求找出包含指定单词的⽂档。

第⼀种解决⽅案，遍历所有⽂档，⾃然能得到结果。

第⼆种解决⽅案，遍历所有⽂档，得到结果后记录下来，下次再有这种请求时直接读取结果。

如果把所有单词的结果都记录下来，之后的任何请求都能直接从结果中读取，这个结果的集合就叫做倒排索引。

以两个⽂档为例：
1.hello world!
2.hello china!
如何找出包含 china 的⽂档？⼀眼扫过去就知道是第 2 个⽂档（但在⽂档数量很多内容很⼤的情况下，可能需要很多眼）。

但如果将所有结果（即倒排索引）提前记录如下。

单词⽂档
hello1,2
world1
china2
让你找出包含 china 的⽂档。

不需要再去扫⽂档，根据倒排索引可知是第 2 个⽂档（在⽂档数量很多内容很⼤的情况下，能极⼤地提升效率）。

有些同学会问，两种解决⽅案都要去遍历⽂档，为什么采⽤第⼆种解决⽅案？因为后者只需要遍历⼀次，以后每次查询的时候直接查询倒排索引即可。

有些同学会问，如果采⽤第⼆种解决⽅案，当增删改⽂档的时候，倒排索引⽂件就不对了，那还是得重新遍历⼀次？不需要，将增删改⽂档转换为增删改倒排索引即可。

有些同学会问，增删改倒排索引的性能会不会很差？这个答案会在后⾯的⽂章中给出。

⽽这也成为 Lucene 不断优化的⽬标之⼀。