目录
这些年来，受尽索引的折磨，时常一脸懵逼，因此立志写一篇通俗易懂又不失专业性的索引攻略。
1 索引是啥？？？
风靡日本全球的“小黄书”——《大便书》的目录类似于一张索引表。
目录中的：
前言-P12
从数字看便便-P17
便便循环-P33
......
类似于一个个索引项，包含着章节名称与页码，便于我们快速定位。
索引（indexing）：就是把一个关键码与它对应的数据记录位置相关联的过程。
一个索引表（对应于书的目录）由若干个索引项构成，每个索引项至少包含关键字（对应于章节名称）及其对应的记录在存储器中的位置（对应于章节的页码）等信息。
-（关键码，指针）对，即（key，pointer）
-指针指向主要数据库文件（主文件）中的完整记录
索引文件（index file）：用于记录这种联系的文件组织结构。（类似于存放书目录的那一页，具体的那张纸）
-------------------------------------------------------------------------------------------------------------------------------------------------------
2 线性索引
线性索引：就是将索引项集合组织成线性结构。
常用的线性结构有：栈，队列，串等
半线性结构：树
非线性结构：图
线性索引可分为三种：稠密索引，稀疏索引（分块索引），倒排索引
2.1 稠密索引
用一个小本子记录家里所有小东西放置的位置
每隔一段时间还按照本子整理一遍家中的物品，用完都放回原处，这样就不易找不到东西。像这样，家中的每件小物品都对应一条记录。而这个小本子就是索引。
稠密索引：对每个记录建立一个索引项。
（来源于《大话数据结构》）
如果要查找的是PB级甚至更多的数据时，对于稠密索引的索引表来说，索引项一定是按照关键码有序排列的。
索引项有序也就意味着，在查找关键字时，可以用到折半，插值，斐波那契等有序查找算法，大大提高效率。但是，如果数据集非常大，也就意味着索引也得有同样的数据集长度规模，对于内存有限的计算机来说，可能需要反复去访问磁盘，查找性能反而大大下降了。（好比于某土豪的家有一个市那么大，需要大量的本子去记录每件物品的位置，可能每次找物品需要反复去翻看不同的本子）
2.2 稀疏索引（分块索引）
我在整理家里的书架时，都会考虑不同的层板放置不同类别的图书。例如最上层放不常翻阅的书籍，中间层放经常翻阅的书籍如计算机类，最下层放大开本比较重的书籍如字典。这就是分块的概念，并且让它们块间有序了。至于中间层中《数据结构》是应该放在《计算机组成原理》的左边还是右边，并不是很重要。毕竟要找计算机类的《数据结构》，只需要对中间层的图书浏览一遍就能很容易查找到。
稀疏索引：对一组记录建立索引项。
稠密索引因为索引项与数据集的记录个数相同，所以空间代价大。为了减少索引项的个数，可以对数据集进行分块，且使分块有序，然后再对每一块建立一个索引项。
块内无序：每一块内的记录不要求有序。虽然块内有序对查找来说更理想，不过要付出大量时间和空间的代价，因此通常不要求块内有序。
块间有序：例如，要求第二块所有记录的关键字均要大于第一块中所有记录的关键字，第三块所有记录的关键字大于第二块所有记录的关键字。只有块间有序，才有可能在查找时带来效率。
（来源于《大话数据结构》）
2.3 二级线性索引
一级线性索引太大时，在一次检索过程中可能需要多次访问磁盘，从而影响检索的效率。这时可以采用二级线性索引。
如果管理的是家里的一个书架，那么用一级索引就够用了。
如果管理的是一个小型的图书馆，那么至少要引入二级索引了。
栗子1：
解析：
栗子2：
栗子3：unix文件系统采用的三级索引结构
2.4 倒排索引
少说废话，直接
在百度搜索框中输入“找死手册”
看到这个搜索结果列表页，我露出了蜜汁微笑。
进一步查看一下这张图的信息：
-
百度为您找到相关结果约100个
-
列表页飘红的词均出现在搜索框中
-
排在首位的搜索结果，飘红词跟搜索框中的词完全匹配
这样的搜索结果是怎么产生的呢？容老夫娓娓道来。
2.4.1 基于属性的倒排
——按照属性建立索引
- 倒排表：对某属性按属性值建立索引表
- “属性 – 指针”对 (attr, ptrList)
—— 指针可以是关键码，或该记录的主文件地址
—— 属性值，具有该属性值的各记录指针
- 倒排索引：颠覆主文件的顺序
- 属性往往是离散型的，对于连续型的索引，往往用B树
- 倒排文件：带有倒排索引的文件
优点：能够对基于属性的检索进行较高效率的处理
缺点：花费了保存倒排表的存储代价，降低了更新运算的效率
2.4.2 对正文文件的倒排
词索引（word index）——倒排文件使用的最广泛的方法
基本思想：把正文看作由符号和词所组成的集合，从正文中抽取出关键词，每个关键词指向一个倒排列表。
-（posting，list）
• posting：指向该关键词出现文档集合
• list：在文档中的位置
现在对上述搜索的栗子进行解析：
假如我们要对3篇文档（网页）建立索引：
文档1：找死手册百度百科
文档2：找死手册（豆瓣）
文档3：找死手册怎么样
那么文档中的词典集合为{找死，手册，百度，百科，豆瓣，怎么样}，倒排索引见下图：
百度后台建立了索引之后，我们就可以开始查询了。在百度搜索框输入“找死手册”，分词得到{找死，手册}，查倒排索引，就出现了的上上上图的展示结果。
我再举个栗子
当然，中间还会经历一些中文分词，从记录中抽取关键词，去掉停用词等。
全文索引 ( full-text index )
基本思想：把正文看作一个长的字符串
– 在数据结构中记录的是子字符串的开始位置
– 可以针对正文中的任何子字符串进行查询
• 可以对每一个字符建立索引，从而使查询词不再限于关键词
• 需要更大的空间
篇幅太长没人看的，所以跳转到下一篇《数据结构索引之杀死攻略（二）》：
https://blog.csdn.net/wydyd110/article/details/81945803