[发明专利]管理文档索引的方法和设备

说明书

本公开的实施例涉及管理文档索引的方法和设备。该方法包括确定多个文档中的独立可更新字段，独立可更新字段包括至少一个项。该方法还包括针对独立可更新字段中的项而创建索引，索引包含多个文档中包括项的文档的标识。此外，该方法还包括分块存储索引中的文档的标识，使得索引在无需修改文档的标识的情况下是可更新的。

技术领域

本公开的实施例总体涉及全文索引，具体涉及管理文档索引的方法和设备。

背景技术

在企业搜索系统中，总是索引文档内容以及文档的其它元数据字段(文档的诸如主题、作者、关键字、创建日期、文档类别、评论等之类的属性)。在文档已经被添加到搜索系统之后，该文档之后可以一次又一次地被修改，例如作者可以调整关键字，读者将添加评论，以及管理员可以添加标签。这一类型的对文档的频繁部分更新对于像文档审阅系统(文档的审阅状态可以频繁改变)、像维基百科(大量用户可以更新不同的文档属性)的需要大量合作的应用来说是非常关键的。

目前的搜索系统大多数是基于倒排索引(inverted index)架构。倒排索引被用于存储在全文索引下某个项在文档或文档集中的存储位置的映射。通常，为了更新现有文档，在添加文档的新版本之前，基于倒排索引的大多数搜索系统必须删除与文档的旧版本对应的旧标识。进一步地，在添加文档的新版本之后，向文档的新版本分配新标识，并且修改与文档的新版本中出现的所有项对应的项文件，从而重建倒排索引。虽然从终端用户的角度来看，他们只是对文档进行一些细微的改变，但是底层的全文索引搜索系统必须执行复杂得多的操作以支持文档的细微改变。有时频繁的对文档的更新操作比正常的添加文档的操作的负荷重得多，这造成在更新文档时搜索系统不能处理终端用户的操作。

因此，使得企业搜索系统能够快速地执行对文档的部分更新是非常热门的。但是受到倒排索引的限制，针对文档的部分更新的大量尝试不能在工业中得到应用。

发明内容

为了解决上述以及其他潜在的问题，本公开的实施例提供了管理文档索引的方法和设备。

根据本公开的第一方面，提供了管理文档索引的方法。该方法包括确定多个文档中的独立可更新字段，独立可更新字段包括至少一个项。该方法还包括针对独立可更新字段中的项而创建索引，索引包含多个文档中包括项的文档的标识。此外，该方法还包括分块存储索引中的文档的标识，使得索引在无需修改文档的标识的情况下是可更新的。

根据本公开的第二方面，提供了管理文档索引的设备。该设备包括至少一个处理单元和至少一个存储器。至少一个存储器被耦合到至少一个处理单元并且存储由至少一个处理单元执行的指令。该指令当由至少一个处理单元执行时，使得设备：确定多个文档中的独立可更新字段，独立可更新字段包括至少一个项；针对独立可更新字段中的项而创建索引，索引包含多个文档中包括项的文档的标识；以及分块存储索引中的文档的标识，使得索引在无需修改文档的标识的情况下是可更新的。

根据本公开的第三方面，提供了计算机程序产品。该计算机程序产品被有形地存储在非瞬态计算机可读介质上并且包括机器可执行指令。机器可执行指令在被执行时使得机器执行根据本公开的第一方面所描述的方法的任意步骤。

通过下文描述将会理解，本公开提供用于支持在索引中独立地更新文档的字段的解决方案。本公开的目的是在保持正常的索引(添加和移除文档)和查询能力与传统倒排索引相同的情况下，提高部分地更新文档的速度和效率，从而节约索引成本。

提供发明内容部分是为了以简化的形式来介绍对概念的选择，它们在下文的具体实施方式中将被进一步描述。发明内容部分无意标识本公开的关键特征或主要特征，也无意限制本公开的范围。

附图说明

通过结合附图对本公开示例性实施例进行更详细的描述，本公开的上述以及其它目的、特征和优势将变得更加明显，其中，在本公开示例性实施例中，相同的参考标号通常代表相同部件。