倒排索引 #
倒排索引（Inverted Index）是一种数据库索引，存储着从文档中的分词（Term）到文档（Document）的映射。它的主要用途是允许进行快速的全文搜索。
倒排索引的基本结构如下所示：
term1 -> <doc_1, doc_2, ..., doc_n>
term2 -> <doc_x, doc_y, ...>
...
Lucene 在实际构建倒排索引时，需要考虑支持一些复杂的搜索场景，因此存储的信息会更丰富。例如，它不仅记录分词在哪些文档中出现，还会记录分词在文档中出现的频度（Frequency）及位置（Position），以支持高效的短语搜索和相关性评分功能。
Posting 数据结构 #
在 Lucene 中，一个文档（Document）由若干个域（Field）组成，每个域通过分词解析后输出一串分词（Term）。
Lucene 为每个分词初始化一个倒排列表（Posting），用来表达分词在当前段索引下的信息。
倒排列表结构
private final static class Posting {
int textStart; // Address into char[] blocks where our text is stored
int docFreq; // # times this term occurs in the current doc
int freqStart; // Address of first byte[] slice for freq
int freqUpto; // Next write address for freq
int proxStart; // Address of first byte[] slice for prox
int proxUpto; // Next write address for prox
int lastDocID; // Last docID where this term occurred
int lastDocCode; // Code for prior doc
int lastPosition; // Last position where this term occurred
PostingVector vector; // Corresponding PostingVector instance
}
倒排列表中存储了每个分词在当前段中的关键信息。例如：
- 当前分词的字符串值（由
CharBlockPool存储缓冲管理） - 当前段中哪些文档包含当前的分词
- 当前分词在每个文档中出现的具体位置（由
ByteBlockPool存储缓冲管理）
倒排索引中主要包含如下信息：
- docID：用于唯一定位文档。
- 词频（Term Frequency, TF）：某分词在该文档中出现的次数。
- 位置（Position）：某分词在文档中的位置。
- 偏移（Offset）：某分词开始和结束的位置。
上述信息存储在一段动态扩展的内存空间中，分别由 ByteBlockPool 或者 CharBlockPool 来组织与管理。倒排列表中大多数字段指向 ByteBlockPool 缓存的地址偏移量。从设计角度来看，将其称为 PostingIndex 可能会比 ByteBlockPool 更加准确。
