Lucene 源码分析之倒排索引（一）

倒排索引是 Lucene 的核心数据结构，该系列文章将从源码层面（源码版本：Lucene-7.3.0）分析。该系列文章将以如下的思路展开。

1. 什么是倒排索引？
2. 如何定位 Lucene 中的倒排索引？
3. 倒排索引是如何搜索的？
4. 倒排索引是如何增删改的？

本文将介绍什么是倒排索引。

了解什么是倒排索引，其实是去了解为什么要有倒排索引。考虑这样一种场景，给你很多篇文档，现在要求找出包含指定单词的文档。第一种解决方案，遍历所有文档，自然能得到结果。第二种解决方案，遍历所有文档，得到结果后记录下来，下次再有这种请求时直接读取结果。如果把所有单词的结果都记录下来，之后的任何请求都能直接从结果中读取，这个结果的集合就叫做倒排索引。

以两个文档为例：

1.hello world!
2.hello china!

如何找出包含 china 的文档？一眼扫过去就知道是第 2 个文档（但在文档数量很多内容很大的情况下，可能需要很多眼）。

但如果将所有结果（即倒排索引）提前记录如下。

单词	文档
hello	1,2
world	1
china	2

让你找出包含 china 的文档。不需要再去扫文档，根据倒排索引可知是第 2 个文档（在文档数量很多内容很大的情况下，能极大地提升效率）。

有些同学会问，两种解决方案都要去遍历文档，为什么采用第二种解决方案？因为后者只需要遍历一次，以后每次查询的时候直接查询倒排索引即可。

有些同学会问，如果采用第二种解决方案，当增删改文档的时候，倒排索引文件就不对了，那还是得重新遍历一次？不需要，将增删改文档转换为增删改倒排索引即可。

有些同学会问，增删改倒排索引的性能会不会很差？这个答案会在后面的文章中给出。而这也成为 Lucene 不断优化的目标之一。