1. data structure包含term，document frequency以及pointer to postings list
对dictionary的存储首先考虑hashtable，给每一个term一个integer，查找时的复杂度为O(1)
问题是不能进行模糊查询(minor variants)，有新的单词加入字典后要重新赋予单词新的编号即rehashing。且没有prefix search(tolerant retrieval)，即做一些简单的预处理如筛选所有以某一个前缀开头的单词
2. 为了可以进行prefix search首先考虑的是trees，比较常用的是B-trees，最简单的是binary trees。B-trees会将A到Z划分成几个区间，根据term的首字母在第几个区间进行一次prefix，然后继续细分直到找到对应的term。时间复杂度大于O(1)但是可以进行prefix。类似的还有tries，时间复杂度略快但是所占用的空间更大，所以没有trees常用
3. wild-card queries
mon*：找到前缀为mon的单词，即在mon≤w<moo范围内的单词
*mon：找到后缀为mon的单词，即从后向前重新创立一个B-trees，找到范围在nom≤w<non的单词
co*tion：即前缀后缀都规定好了，分别查找co*以及*tion，然后求两者交集。但是这种方法费时费力，所以可以采用permuterm index
4. permuterm index：在每一个term后面添加$，然后将单词不断旋转得到不同的形式，不同的几种形式都指向原本的单词，如下图所示，tree的大小与之前相比会增加4倍
保证 * 一直在term的最后，如图所示，更加顺应B-tree的构架，以处理任何位置的模糊查询
5. 另一种方式是Bigarm indexes，从字母的角度来考虑问题。对于每一个单词，在它的开头和结尾各加上一个$，然后两个两个的组合在一起，如：
以此构建新的inverted index。在检索中，若查找mon*，即$m AND mo AND on，然后对其进行合并，最后还要做post-filter以确保即为所求。好处是很快且节省空间（不需要扩大4倍）
6. hardware basics
在memory里access data要比disk里面快很多；寻址时不能在disk里写入或读取数据。在disk里读取一整块的数据的速度也是很快的，相比于很多小块数据
7. BSBI：blocked sort-based indexing
每一个record是12bytes（term4+doc4+freq4)，其中term与doc均为ID形式
文件很大的时候，可以定义10M的block，对每个block进行sort，然后合并。合并的时候可以进行binary merge，用一个merge tree进行
更高效的方法是multi-way merge，即对每个block首先只读取前几行数据，放入memory里进行读取。合并结束之后放回disk中，然后不断重复
8. I/O指input/output
number of passes计算需要多少层的合并，即merge tree的层数，NR是总共record的数量，BM是内存的大小，NR/BM即需要在内存里merge几次
input与output的总量一定，total里代表input+output两次，NR/B单位为block
summary of BSBI：将data分成多个block，每个block都刚好可以放进memory中进行排序。排序之后重新放回disk，等全部排序进行完毕后，merge。
9. BSBI的问题是term ID要一直存储在memory中，造成维护困难，所以引入SPIMI（SIngle-pass in-memory indexing）
不需要保存term与term ID之间的mapping，每一个block使用不用的dictionary；posting list不需要进行排序
实现方式是：当memory还有空间时，获取新的token(erm)，判断新加进来的term是否在dictionary中，不在dictionary则加入；已经有了则找到它的位置，将term对应的posting ID增加到list中
每次memory满了之后进行排序，写入disk，然后merge（同上）
10. 还有一种方式为dynamic indexing，包含immediate merge(index很大，小的index加进来merge到大的里面)；no merge(memory满了之后，在disk里写入sub-index，访问block就可以而不是整体进行访问，但是速度很慢)；logarithmic indexing
logarithmic indexing：小于等于n的时候，存在memory里面，即Z0，内存满了之后移入disk，I0，继续增加memory中的term。memory再次满了之后，由于已经有一个I0，两个I0merge成I1，综合了上面两点的优点
