開發(fā)Web應(yīng)用時，你經(jīng)常要加上搜索功能。甚至還不知道要搜什么，就在草圖上畫了一個放大鏡。
說到目前計算機的文字搜索在應(yīng)用上的實現(xiàn)，象形文字天生就比拼音字母劣勢的多，分詞、詞性判斷、拼音文字轉(zhuǎn)換啥的，容易讓人香菇。
首先我們來了解下什么是Inverted index，翻譯過來的名字有很多，比如反轉(zhuǎn)索引、倒排索引什么的，讓人不明所以，可以理解為：一個未經(jīng)處理的數(shù)據(jù)庫中，一般是以文檔ID作為索引，以文檔內(nèi)容作為記錄。而Inverted index 指的是將單詞或記錄作為索引，將文檔ID作為記錄，這樣便可以方便地通過單詞或記錄查找到其所在的文檔。并不是什么高深概念。
oracle里常用的位圖索引（Bitmap index）也可認為是Inverted index。位圖索引對于相異基數(shù)低的數(shù)據(jù)最為合適，即記錄多，但取值較少。比如一個100W行的表有一個字段會頻繁地被當(dāng)做查詢條件，我們會想到在這一列上面建立一個索引，但是這一列只可能取3個值。那么如果建立一個B*樹索引（普通索引）是不合適的，因為無論查找哪一個值，都可能會查出很多數(shù)據(jù)，這時就可以考慮使用位圖索引。位圖索引相對于傳統(tǒng)的B*樹索引，在葉子節(jié)點上采用了完全不同的結(jié)構(gòu)組織方式。傳統(tǒng)B*樹索引將每一行記錄保存為一個葉子節(jié)點，上面記錄對應(yīng)的索引列取值和行rowid信息。而位圖索引將每個可能的索引取值組織為一個葉子節(jié)點。每個位圖索引的葉子節(jié)點上，記錄著該索引鍵值的起始截止rowid和一個位圖向量串。如果不考慮起止rowid，那么就是取值有幾個，就有幾個索引，比如上例，雖說有100W條記錄，但是針對只有3個可取值的字段來說，索引節(jié)點只有3個，類似于下圖：
需要注意的是，由于所有索引字段同值行共享一個索引節(jié)點，位圖索引不適用于頻繁增刪改的字段，否則可能會導(dǎo)致針對該字段（其它行）的增刪改阻塞（對其它非索引字段的操作無影響），是一種索引段級鎖。具體請參看 深入解析B-Tree索引與Bitmap位圖索引的鎖代價。
下面說說筆者知道的一些全文搜索的工具。
文中綠色文字表示筆者并不確定描述是否正確，紅色表示筆者疑問，若有知道的同學(xué)請不吝賜教，多謝！
