Bagaimanakah indeks songsang berfungsi?

Question

IT Interview Practice · Accepted Answer

**Indeks songsang memetakan istilah kepada dokumen yang mengandunginya.** Enjin carian boleh mencari calon dokumen tanpa membaca semua dokumen dari awal hingga akhir setiap kali.

Bayangkan indeks di belakang buku: cari perkataan, kemudian pergi ke halaman tersenarai. Dalam enjin carian, pengecam dokumen menggantikan nombor halaman.

## 1. Mulakan dengan koleksi kecil

Andaikan tiga dokumen dan penganalisis ringkas yang menukar teks kepada huruf kecil serta memisahkan perkataan. Penganalisis ialah langkah yang menukar teks menjadi istilah boleh dicari.

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

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

Arah asal ialah dokumen kepada perkataan. Indeks membalikkan arah kepada perkataan kepada dokumen, sebab itu namanya songsang. Senarai dokumen sepadan bagi setiap istilah dipanggil posting list.

## 2. Gunakan senarai untuk menjawab pertanyaan

Jika red dan apple kedua-duanya diperlukan, baca kedua-dua senarai dan ambil persilangan: D1 ada dalam kedua-duanya. Jika salah satu memadai, ambil kesatuan: D1, D2 dan D3 menjadi calon.

Contoh ini menerangkan padanan, bukan kedudukan. Jika beberapa dokumen sepadan, enjin boleh memberi skor berdasarkan kekerapan istilah dan kelazimannya dalam koleksi. Mencari padanan dan menentukan susunannya berkaitan tetapi berasingan.

## 3. Selaraskan pengindeksan dan carian

Pertanyaan mesti dianalisis secara serasi dengan istilah terindeks. Jika pengindeksan menukar Red kepada red tetapi carian mencari Red secara literal, padanan yang dimaksudkan boleh terlepas.

Analisis sesuai bergantung pada medan. Penerangan produk mendapat manfaat analisis teks; ID pesanan tepat biasanya memerlukan padanan tepat. Memecahkan ID kepada perkataan biasa boleh mengubah maknanya. Lihat penjelasan Elastic tentang [carian teks penuh](https://www.elastic.co/docs/solutions/search/full-text/how-full-text-works).

## 4. Simpan maklumat yang cukup untuk soalan

Dokumen yang mengandungi red dan apple tidak semestinya mempunyai frasa red apple. Pertanyaan frasa memerlukan kedudukan perkataan untuk memeriksa turutan dan kejiranan.

- Pengecam dokumen menunjukkan dokumen yang mengandungi istilah.
- Kekerapan membantu menerangkan berapa kali istilah muncul.
- Kedudukan menyokong soalan tentang lokasi istilah berbanding istilah lain.

Lebih maklumat menyokong pertanyaan lebih kaya tetapi menambah saiz indeks dan kerja pengindeksan. Indeks berguna ditentukan oleh carian yang perlu disokong aplikasi.

## 5. Fahami kos mengekalkannya terkini

Apabila teks sumber berubah, indeks carian juga mesti dikemas kini. Sistem seperti Elasticsearch mengurus data dalam segmen dan menggabungkannya dari masa ke masa; kemas kini bukan bermaksud setiap posting list terus ditulis semula di tempat. Keterlihatan carian juga bergantung pada refresh enjin.

Ambil kira storan tambahan, kos pengindeksan dan kemungkinan kelewatan antara penulisan dokumen dengan kemunculannya dalam carian. Indeks songsang sangat berguna untuk carian teks berasaskan istilah, tetapi bukan pengganti sejagat bagi indeks carian tepat, julat atau akses transaksi.

1. Mulakan dengan koleksi kecil

2. Gunakan senarai untuk menjawab pertanyaan

3. Selaraskan pengindeksan dan carian

4. Simpan maklumat yang cukup untuk soalan

5. Fahami kos mengekalkannya terkini

Soalan berkaitan