C++ 基于正倒排索引的 Boost 搜索引擎核心模块实现与详解

1. 正倒排索引的结构

1.1 正排索引

正排索引存储文档内容及其 ID。

// 定义文档信息结构体
typedef struct DocInfo {
    std::string title;   // 文档标题
    std::string content; // 文档内容
    std::string url;     // 文档 URL
    int doc_id;          // 文档 ID
} DocInfo;

1.2 倒排索引

倒排索引存储文档 ID、对应关键字及权重。InvertedList 通常称为倒排拉链，一个关键字可能对应多个文档。

// 定义倒排元素结构体
struct InvertedElem {
    int doc_id;      // 文档 ID
    std::string word;// 关键词
    int weight;      // 权重
};
typedef std::vector<InvertedElem> InvertedList;

2. 正倒排序部分 Class 的 Private 部分

2.1 准备工作

正向索引使用 Vector，下标即为文档 ID，便于访问。反向索引使用哈希表（unordered_map），将关键字映射到倒排文档列表。

private:
    // 正排索引使用 Vector，下标对应文档 ID
    std::vector<DocInfo> forward_index;
    // 使用哈希表进行映射
    std::unordered_map<std::string, InvertedList> inverted_index;

2.2 单例模式

本代码采用单例模式，主要优势包括：

1. 减少资源浪费：避免反复创建或销毁实例导致的内存占用过高和 IO 开销增加。
2. 确保全局逻辑统一：强制所有搜索请求复用同一套逻辑，避免结果混乱。
3. 简化资源管理与调用：降低模块间耦合度，减少代码冗余。

因此需禁用拷贝构造函数和赋值运算符，并添加互斥锁以防止多线程并发创建实例。双重检查锁定机制用于确保线程安全。

private:
    Index() {};
    Index(const Index&) = delete;
    Index& operator=( Index&) = ;
     Index* instance;
     std::mutex log;

:
    ~();

    {
         (instance == ) {
            log.();
             (instance == ) {
                instance =  ();
            }
            log.();
        }
         instance;
    }