输入关键字 抓取所有网页(建立索引大大提高索引文件(图)延长效率(组图))

　　输入关键字 抓取所有网页(建立索引大大提高索引文件(图)延长效率(组图))

　　指数

　　两个词都收录一个词，索引

　　索引是一种用于加速数据库查询的数据结构。它由存储在计算机磁盘上的一系列索引项组成。

　　通过一些标识符快速查找数据

　　其实索引也是一张表，表中保存了主键和索引字段，并指向实体表的记录。

　　以上都是关于使用索引的好处，但是过度使用索引会导致滥用。所以，索引也会有它的缺点：虽然索引大大提高了查询速度，但是会降低更新表的速度，比如对表的INSERT、UPDATE和DELETE。因为在更新表的时候，MySQL不仅保存了数据，还保存了索引文件。

　　索引占用磁盘空间的索引文件。

　　远期指数概念

　　正排序表以文档的ID为key，在表中记录了文档中每个关键词的位置信息。搜索时，扫描表格中每个文档中的单词信息，直到找到所有收录查询关键字的文档。

　　特征

　　这种组织方式在创建索引时结构比较简单，构建起来比较方便，也容易维护；

　　因为索引是基于文档建立的，所以如果新增一个文档，直接为文档创建一个新的索引块，附在原索引文件的后面。

　　如果有要删除的文档，直接找到带有文档编号的文档对应的索引信息，直接删除即可。

　　但是在查询的时候，需要对所有文档进行扫描，保证没有遗漏，大大延长了检索时间，降低了检索效率。

　　商店演示

　　项目 1 -> [(关键词1, 3 次, 位置 1,3, 5), (关键词2, 2 次, 位置 2, 6) , (关键词4, 1 次出现, 位置 10), ...]

　　item 2 -> [(关键词1,出现1次,位置为1),(关键词3,出现4次,位置为2,4,7,9)，……]

　　item 3 -> [(关键词2，出现2次，位置为1，4)，(关键词4，出现3次，位置为2,7,10)@ >, …]

　　项目 4 -> [(关键词5, 1 次出现, 位置 1), (关键词6, 1 次出现, 2), ...]

　　倒排索引概念

　　倒排表以词或词为关键词进行索引，表中关键词对应的记录条目记录了该词或词出现的所有文档。

　　条目是记录文档的 ID 和字符在文档中出现的位置的字段。

　　特征

　　每个词或词对应的文档数量是动态变化的，因此倒排表的建立和维护比较复杂。

　　但是在查询的时候，可以一次性得到所有查询关键字对应的文档，所以效率比肯定列表要高。

　　在全文检索中，检索的快速响应是最关键的性能，而且由于索引是在后台进行的，虽然效率比较低，但不会影响整个搜索引擎的效率。

　　商店演示

　　关键词1 -> [项目1，项目2]

　　关键词2 -> [第 1 项，第 3 项]

　　关键词3 -> [项目 2]

　　关键词4 -> [项目1，项目3]

　　关键词5 -> [项目 4]

　　关键词6 -> [项目 4]

　　总结正指数

　　通常，键用于查找值。例如：当用户在首页搜索关键词“SEO”时，假设只有一个前向索引（forward index），那么需要扫描索引库中的所有文档，找到所有文档收录 关键词"SEO" 文档。

　　倒排索引

　　从单词的关键字中，找到文档。例如：在**搜索引擎**中，每个文件对应一个文件ID，文件内容表示为一系列关键词的集合（实际上在搜索引擎索引库中，关键词 也已转换为 关键词ID)。例如，“文档1”已经被分割，提取了20个关键词，每个关键词都会记录它在文档中出现的次数和位置。