¿Cómo funciona un índice invertido?

Question

IT Interview Practice · Accepted Answer

**Un índice invertido relaciona un término con los documentos que lo contienen.** Permite encontrar candidatos sin leer todos los documentos completos en cada búsqueda.

Piensa en el índice al final de un libro: buscas una palabra y visitas sus páginas. Los identificadores de documentos sustituyen a los números de página.

## 1. Empieza con una colección pequeña

Tenemos tres documentos y un analizador que convierte a minúsculas y separa palabras. Un analizador es la secuencia que transforma texto en términos buscables.

```text
D1: Red apple
D2: Green apple
D3: Red car

apple -> D1, D2
car   -> D3
green -> D2
red   -> D1, D3
```

La dirección original es documento a palabras. El índice la invierte: palabra a documentos. Cada lista correspondiente a un término se llama posting list.

## 2. Responde mediante las listas

Para exigir red y apple, lee ambas listas y toma la intersección: D1 aparece en las dos. Si basta cualquiera, la unión da D1, D2 y D3.

Esto explica coincidencia, no ranking. Los documentos coincidentes pueden puntuarse por frecuencia y rareza del término en la colección. Encontrar coincidencias y ordenarlas son pasos relacionados pero distintos.

## 3. Compatibiliza indexación y búsqueda

El análisis de la consulta debe ser compatible con los términos guardados. Si indexar convierte Red en red, pero se busca literalmente Red, puede perderse la coincidencia.

El análisis depende del campo. Descripciones aprovechan análisis textual; identificadores exactos suelen requerir coincidencia exacta. Dividir un ID en palabras puede cambiar su significado. Véase [búsqueda de texto completo](https://www.elastic.co/docs/solutions/search/full-text/how-full-text-works) de Elastic.

## 4. Guarda información suficiente

Contener red y apple no implica contener la frase red apple. Las frases necesitan posiciones para comprobar orden y adyacencia.

- Los identificadores indican qué documentos contienen el término.
- Las frecuencias describen cuántas veces aparece.
- Las posiciones permiten preguntar por ubicación relativa.

Más información permite consultas ricas, pero aumenta tamaño y trabajo. Las búsquedas requeridas determinan el índice útil.

## 5. Entiende el coste de actualización

Cambiar el texto exige actualizar su índice. Sistemas como Elasticsearch organizan segmentos y los fusionan con el tiempo; un update no reescribe inmediatamente todas las listas en su sitio. La visibilidad también depende del refresh.

Cuenta con almacenamiento extra, coste de indexación y posible demora entre escribir y encontrar. Es especialmente útil para búsqueda textual por términos, no un sustituto universal de índices exactos, de rangos o transaccionales.

1. Empieza con una colección pequeña

2. Responde mediante las listas

3. Compatibiliza indexación y búsqueda

4. Guarda información suficiente

5. Entiende el coste de actualización

Preguntas relacionadas