百度搜索秒出結果的核心技術：倒排索引原理與工程實踐

核心數據結構：倒排索引

正向索引：文檔 → 詞列表。
倒排索引：詞 → 文檔 ID 列表 (Posting List)。

查詢流程簡化

1. 分詞："北京 天氣 預報" → [北京, 天氣, 預報]。
2. 查詞典：獲取各詞的 Posting List (已按文檔權重排序)。
3. 合併：多詞求交集 (AND) 或聯集 (OR)，利用跳表/跳躍指針加速。
4. 排序：結合 BM25/PageRank/點擊率等特徵重排 Top-K。
5. 摘要：高亮關鍵詞，生成展示片段。

工程關鍵點

• 分布式存儲：索引分片 (Shard) 橫向擴展，單分片數億文檔。
• 內存常駐：熱門詞 Posting List 全量載入內存，毫秒級響應。
• 增量更新：實時索引 (Real-time Index) + 定期合併 (Segment Merge)。
• 壓縮編碼：Varint、Delta、PForDelta 壓縮 DocID，節省 50%+ 空間。

開源替代

• Elasticsearch：基於 Lucene，RESTful，開箱即用。
• Meilisearch：Rust 寫作，極速、容錯、適合中小站點。
• Typesense：C++ 實現，強類型 Schema、即時搜索。