Elasticsearch查询速度为什么这么快？( 三 )
倒排索引那如果反过来我想查询 name 中包含了 li 的数据有哪些?这样如何高效查询呢?
仅仅通过上文提到的正排索引显然起不到什么作用 ， 只能依次将所有数据遍历后判断名称中是否包含 li ;这样效率十分低下 。
但如果我们重新构建一个索引结构：
文章插图
当要查询 name 中包含 li 的数据时 ， 只需要通过这个索引结构查询到 Posting List 中所包含的数据 ， 再通过映射的方式查询到最终的数据 。
这个索引结构其实就是倒排索引 。
Term Dictionary但如何高效的在这个索引结构中查询到 li 呢 ， 结合我们之前的经验 ， 只要我们将 Term 有序排列 ， 便可以使用二叉树搜索树的数据结构在 o(logn) 下查询到数据 。
将一个文本拆分成一个一个独立Term 的过程其实就是我们常说的分词 。
而将所有 Term 合并在一起就是一个 Term Dictionary ， 也可以叫做单词词典 。
英文的分词相对简单 ， 只需要通过空格、标点符号将文本分隔便能拆词 ， 中文则相对复杂 ， 但也有许多开源工具做支持(由于不是本文重点 ， 对分词感兴趣的可以自行搜索) 。
当我们的文本量巨大时 ， 分词后的 Term 也会很多 ， 这样一个倒排索引的数据结构如果存放于内存那肯定是不够存的 ， 但如果像 MySQL 那样存放于磁盘 ， 效率也没那么高 。
Term Index所以我们可以选择一个折中的方法 ， 既然无法将整个 Term Dictionary 放入内存中 ， 那我们可以为 Term Dictionary 创建一个索引然后放入内存中 。
这样便可以高效的查询 Term Dictionary， 最后再通过 Term Dictionary 查询到 Posting List 。
相对于 MySQL 中的 B+树来说也会减少了几次磁盘 IO 。
文章插图
这个 Term Index 我们可以使用这样的 Trie 树 ， 也就是我们常说的字典树来存放 。
文章插图
如果我们是以 j 开头的 Term 进行搜索 ， 首先第一步就是通过在内存中的 Term Index 查询出以 j 打头的 Term 在 Term Dictionary 字典文件中的哪个位置(这个位置可以是一个文件指针 ， 可能是一个区间范围) 。
紧接着在将这个位置区间中的所有 Term 取出 ， 由于已经排好序 ， 便可通过二分查找快速定位到具体位置;这样便可查询出 Posting List 。
最终通过 Posting List 中的位置信息便可在原始文件中将目标数据检索出来 。
更多优化当然 Elasticsearch 还做了许多针对性的优化 ， 当我们对两个字段进行检索时 ， 就可以利用 Bitmap 进行优化 。
比如现在需要查询 name=li and age=18 的数据 ， 这时我们需要通过这两个字段将各自的结果 Posting List 取出 。
文章插图
最简单的方法是分别遍历两个集合 ， 取出重复的数据 ， 但这个明显效率低下 。
这时我们便可使用 Bitmap 的方式进行存储(还节省存储空间) ， 同时利用先天的位与计算便可得出结果 。
[1, 3, 5] ? 10101[1, 2, 4, 5] ? 11011 这样两个二进制数组求与便可得出结果：
10001 ? [1, 5] 最终反解出 Posting List 为 [1, 5] ， 这样的效率自然是要高上许多 。 同样的查询需求在 MySQL 中并没有特殊优化 ， 只是先将数据量小的数据筛选出来之后再筛选第二个字段 ， 效率自然也就没有 ES 高 。
当然在最新版的 ES 中也会对 Posting List 进行压缩 ， 具体压缩规则可以查看官方文档 ， 这里就不具体介绍了 。
推荐阅读
- iQOO 7官方美图赏：三种配色、速度美学设计传承
- AI战疫、真5G来了，十大最热门科技应用演绎速度与温度
- 首款7GB/s SSD！三星980PRO 1TB评测：永恒的1.8GB/s缓外写入速度
- 小米11 PK 小米10：传输速度提升1.6倍
- 4G速度变慢？运营商这波操作，让5G秒变“真香现场”
- 专家介绍如何判断智能手机被入侵：运行速度变慢、电池消耗过快以及卡顿
- 马化腾这招太高明！网友：只要我改名的速度够快，禁令就追不上我
- 怎样提高苹果6的运行速度？有这些问题就别救了，你用了几年了？
- 用户|4G速度慢了！5G也难逃“真香定律”
- 健康宝，保健康不保隐私？