全文检索

倒排索引原理

全文检索的核心数据结构是倒排索引（Inverted Index）：先对所有文档进行分词，建立「词到包含该词的文档列表」的映射。查询时对关键词在倒排索引里查对应的文档集合，多个关键词取交集或并集，速度极快，与文档数量基本无关。

相比之下，LIKE '%关键词%' 需要逐行扫描全表，无法利用任何索引（前缀 LIKE 如 '关键词%' 可以用索引，但中间和后缀匹配不行），数据量大时极慢。[1]

各系统实现对比

MySQL InnoDB 在 5.6 版本加入了 FULLTEXT 索引，支持 MATCH ... AGAINST 语法，但中文分词需要依赖 n-gram 分词器（MySQL 5.7+），分词粒度较粗。PostgreSQL 的全文检索功能更成熟，内置 tsvector 和 tsquery 类型，支持丰富的语言分词器，Zhparser 等扩展提供中文支持。

Elasticsearch（2010 年首发，基于 Lucene）是当前最流行的搜索引擎，提供分布式索引、实时搜索、多语言分词、聚合分析、同义词和模糊搜索等全套能力，被 GitHub、Wikipedia、Stack Overflow 等广泛使用。向量搜索加入后（8.0），Elasticsearch 也成为混合检索（关键词 + 语义向量）的重要平台。