一、倒排索引的数据结构

 

 

 倒排表的压缩算法：FOR、RBM

词项索引的检索原理：FST

二、FOR压缩算法

 

如上图，假设倒排表中最理想的一行id为1,2,3......100 W个连续数字

 图Ⅰ：若没有使用FOR压缩算法，则有100W个int类型的数字，1数字=4字节，则有400W字节，约占4M存储空间。1字节=8bit，则1int需要32bit，即3200Wbit

　　　若使用了FOR压缩算法，1-100W个连续数字，前后两个数字取差值，得到最终结果1,1,1.....1。100W个1，每个1需要2的0次方=1bit存储即可。最终结果为100Wbit，空间节省32倍

图Ⅱ：倒排表中id几乎不可能为连续数字，以73,300,302,332,343,372为例。6个int类型数字，不使用FOR压缩算法需要24byte

　　　若使用FOR压缩算法，先取差值得到73,227,2,30,11,29。这时得出最大差值为227，227在2的8次方范围内，这样就只需要每个分配2的8次方的空间

　　　在上面的基础上，我们发现有一个差值是2，这时FOR算法会根据一定原则自动分组，从而再次降低需要分配的存储空间