倒排索引
一种以词条为键、记录该词条出现在哪些文档中的索引结构，是全文搜索引擎的核心数据模型。
#type / concept
#status / growing
#tech / dev / frontend
#resource / pagefind
[!info] related notes
倒排索引
一句话定义
倒排索引（Inverted Index）是一种以”词条”为键、记录该词条出现在哪些文档中的索引结构，是几乎所有全文搜索引擎的核心数据模型。
核心机制 / 工作原理
正排索引 vs 倒排索引
正排索引（Forward Index）回答的问题是：“这篇文档包含哪些词？”
page-A.html → ["PVE", "虚拟化", "Proxmox", "Homelab"]
page-B.html → ["PVE", "集群", "Ceph"]
page-C.html → ["Vaultwarden", "密码管理", "Docker"]倒排索引把这个关系反过来了，回答的问题是：“这个词出现在哪些文档中？”
"PVE" → [page-A, page-B]
"虚拟化" → [page-A]
"Proxmox" → [page-A]
"Homelab" → [page-A]
"集群" → [page-B]
"Ceph" → [page-B]
"Vaultwarden" → [page-C]
"密码管理" → [page-C]
"Docker" → [page-C]搜索的时候，用户输入的是一个词（比如”PVE”），而不是一个文档名。所以倒排索引可以直接通过词条查到包含它的文档列表，不需要遍历所有文档。
构建过程
- 分词（Tokenization）：把每个文档的正文切分成词条。英文按空格和标点切分，中文需要专门的分词器（如 jieba、nodejieba）
- 规范化（Normalization）：转小写、去停用词（the、a、的、了）、可选的词干提取
- 建立映射：对每个词条，记录它出现在哪些文档中，以及可选的位置信息（用于高亮和短语搜索）
- 持久化：将倒排表序列化到磁盘（服务端搜索引擎）或切分成静态文件（Pagefind 这类客户端搜索引擎）
查询过程
- 对用户输入的查询做同样的分词和规范化处理
- 在倒排表中查找每个词条对应的文档列表
- 多词查询时，对各词条的文档列表做交集（AND）或并集（OR）
- 按相关性评分（常用 BM25 或 TF-IDF）排序后返回结果
最小例子
假设有 3 篇文档，构建出的倒排表如下：
"PVE" → [doc1, doc2]
"Proxmox" → [doc1]
"Docker" → [doc2, doc3]
"Vaultwarden" → [doc3]用户搜索 “PVE Docker”，分词后得到 ["pve", "docker"]，分别查到 [doc1, doc2] 和 [doc2, doc3]。如果取交集（AND），结果是 [doc2]；如果取并集（OR），结果是 [doc1, doc2, doc3]。
为什么它重要
倒排索引是几乎所有现代搜索引擎的基础：
- Elasticsearch、Solr、Meilisearch 这类服务端搜索引擎，核心都是倒排索引
- Pagefind 这类客户端搜索引擎，同样基于倒排索引，只是把索引切成了静态分片文件
- 数据库中的全文搜索（如 MySQL FULLTEXT、PostgreSQL tsvector）底层也使用倒排索引