百度搜索引擎优化指南(搜索引擎搜索中的正排索引到底是什么？(组图))

　　百度搜索引擎优化指南(搜索引擎搜索中的正排索引到底是什么？(组图))

　　当你在搜索引擎的搜索框中输入你要查找的关键词时，首先影响你体验的不是无关的搜索结果，而是界面出现“正在加载”、“服务正在加载”， ” “搜索响应失败”等字眼。据统计，搜索页面的加载时间会严重影响用户的搜索体验，从而流失优质用户。如下图：

　　从图中可以看出，搜索负载超过1s会直接影响页面放弃率。1s是用户的感知极限，所以需要优化搜索引擎的响应时间。但是，无论是大搜还是微搜，随着大数据时代的发展，被查询的记录数都在数亿，甚至数万亿。搜索引擎如何在海量的大数据中以ms级别返回，这里涉及到索引的概念。

　　究竟什么是索引？今天就来说说吧。

　　让我给你举个例子：

　　如果您是企业家，您的公司一开始只有 10 名员工。有一天，你想找几个有“销售经验”的人组成一个销售团队。相信你会一一询问和排除。我很快就能找到。这就是所谓的遍历查询。

　　几个月后，你拿到了投资，你的团队已经从10人扩大到100人，这时候你想找有“运营经验”的员工组建运营团队，却发现每次询价都有点过分弱，所以你我提前想了个办法，把100个人分成10个部门。如果想找各种经验的人，可以直接到对应的职能部门找部门经理找。这是搜索中的前向索引。如下所示：

　　后来随着公司的爆发式增长，你们公司现在有1w人，部门已经是事业群了，组织架构也从之前的单层升级到了多层。这时候想找一个有“全栈经验”的开发工程师组了一个新的团队来开发一个新产品，分了找人的任务后发现自己“疯了”，因为很有可能找到1w个人后，就可以找到合适的人了。这时候，你又想了一个招数，反过来想。, 既然我到底找的是人，那我就建立一套基于人的标准，先找到对应的人，然后根据对应的人逆向部门，然后让部门经理看看他的团队是否兼容 有人问，范围是不是缩小了很多？也大大提高了效率。这就是所谓的倒排索引。

　　【前排索引】

　　前向索引也称为前向索引。蜘蛛爬取页面后，系统会对页面的标题和内容进行预处理，获取能够反映页面主题内容和单词单位的唯一字符。细绳。搜索引擎索引程序可以提取关键词信息，包括出现次数、位置等，并为该页面建立page id和关键词的对应关系，这个过程称为forward索引。

　　举例说明，现在有5条关于“胡歌”的信息，如下：

　　根据5条信息的标题，创建前端索引如下：

　　从上图可以发现，这种方法结构比较简单，建立索引比较方便。如果有文档要添加，可以直接在后面按照这个格式添加一个索引块。如果需要删除，也可以指定id删除，找到所有对应的信息，直接删除。但是，当你不知道你查询的内容的id时，只能扫描1001到1005，以确保不会漏掉召回次数。因此，检索效率极低。

　　【倒排索引】

　　因为前向行的查询效率太低，所以出现了倒排索引，也叫倒排索引。在索引过程中，将前面索引中id对应的所有关键词进行反转，建立一组基于关键词出现在文档中的索引，如下：

　　从上图可以看出，如果要查询“cat”，只需要查询id为1003的文档，缩小了查询范围，提高了查询效率。倒排索引的应用场景非常广泛，例如：不仅用于搜索引擎、大型数据库索引、文档检索、多媒体检索/信息检索等。 总之，倒排索引是一种非常重要的索引机制。搜索字段。

　　【摘要索引】

　　另外还有一个汇总索引用来提高一些场景的搜索效率。摘要索引存储了文档需要返回显示的相应信息。通过Doc_id可以定位到文档的存储位置，可以得到相应的摘要信息。为用户提供摘要检索服务。汇总索引的结构与前向索引类似，但功能不同。其结构如下：

　　【分布式索引】

　　以上类型的索引都是索引结构，但是仅仅使用这些索引结构来优化它们是不够的。索引优化需要在架构层面进行。所谓分布式索引，开源的Solr和Elasticsearch都支持分布式索引，根据文档的id计算hash值，负载均衡器将索引写入对应的shard。以Elasticsearch为例，看如下流程：

　　Node-1和Node-2是ES集群的两个节点。根据不同的id值进行hash后，写入不同的节点。查询过程基于整个集群的并行查询，提高查询效率。

　　现实中，大搜和微搜都使用了上述索引结构和架构。大厂甚至都部署了集群+集群来支持高并发，实现高性能。但是每个集群下的每个节点都需要索引来支持，所以效率是搜索的门户。