1、 倒排拉链如果很长如何处理
（1）倒排拉链的长度是有限制的，这个长度限制是亿级别的，所以一般不会超出，如果真的超出就会截断
（2）可能超出长度的是一些停用词，如果超出就会截断，并且停用词在建立倒排的时候，位置信息只建立一个，因为这些词一般无意义只是为了召回，如果位置信息太多，在后续计算proximity score的时候比较耗时，这些需要处理的词是挖掘好的词表
2、如何提升索引检索的性能
（1）索引分区
索引可以分区，按照termid分区即可，这样取一个term的doclist的时候，首先将term转化为termid，然后termid%分区数就可以hash到这个termid的索引块，然后在这个索引块中进行二分查找找到这个termid对应的doclist
（2）索引查找
索引查找主要使用的是跳表查找，先看一下数据结构
首先word的doclist在物理机上存储的基本单位是section，每个section中存储一定量的doclist，假设某个word的doclist有1024个，每个section可以存储512个docid，那么这个word需要两个section，如果有多个section，那么多个section可以使用跳表连接起来
在section内部，doclist也是有大小顺序的，这样这些doclist也可以再次使用跳表结构
其中section级别的跳表有1级，doclist级别的跳表有2级
struct qsrchSEGItem {
uint32_t _M_offset;
uint32_t _M_size;
// 当前segment最小docid
uint32_t _M_skipdoc;
};
struct qsrchDOCHead {
uint64_t _M_basedoc:32;
// 当前section最小docid
uint64_t _M_skipdoc:32;
…
}
1、首先倒排列表被分配到多个sectiont中，每个section默认8192个倒排id，如果倒排id有10000个那么这个倒排列表被分配到2个sectiont中
2、sectiont之间是和sectiont内部的doc是逆序排列的，也就是有序的，这样就可以形成跳表结构了
3、查询sectiont，每次查询先查询sectiont的最大id以及sectiont的size，如果目标在id-size之间，就定位了sectiont
4、在sectiont内部查找目标，原理同查找section差不多
（3）查找顺序
查找的时候先把倒排拉链按照长短排序，先找用短的查找长的；而且在查找的时候一个doc查完才查另一个doc，例如
word1 ： 1 3 5 6
word2 ： 1 3 5 8 10 12
word3： 1 2 5 7 10 14 16 18
先把word按照查找倒排长短排序，短的在前，然后word1中先用1查找word2中的1，找到以后再查找word3中的1，如果都查找到则这个docid 1为有效docid。
然后word1中用3查找word2中的3，找到以后再找word3中的3，发现没有找到那么docid3 不是有效id
（4）索引压缩
索引压缩的基本单位是section，索引压缩的主要用途是为了减少磁盘io操作，否则磁盘占用的块会比较多，比较消耗io