01 | 线性结构检索：从数组和链表的原理初窥检索本质
本文探讨数组与链表的检索原理及效率。数组通过连续存储支持随机访问，适合二分查找，实现O(log n)高效检索；链表则因非连续存储仅支持顺序访问，检索效率为O(n)，但插入删除更灵活。通过对比二者存储特性，揭示检索核心：合理组织数据以快速缩小查询范围。进一步可通过改造链表结构（如节点存数组）提升效率，融合两者优势。
导读丨三步走策略，轻松搞定检索！
本课程系统讲解检索技术，涵盖存储介质、数据结构与算法、检索专业知识及应用层四层级，结合“三步走”学习法：夯实基础、实践落地、高效学习，助你构建完整知识体系，提升实战能力。
| 状态检索：如何快速判断一个用户是否存在？
本文探讨如何高效判断对象是否存在，对比有序数组、二叉树、哈希表的查询性能，引出位图与布隆过滤器。位图利用bit级存储，节省空间；布隆过滤器通过多哈希函数降低冲突，实现O(1)查询，虽有误判但适用于容忍错误率的场景，如缓存、爬虫去重。二者在时间与空间效率上优于传统结构，广泛用于大型系统中。
05 | 倒排索引：如何从海量数据中查询同时带有「极」和「客」的唐诗？
本文介绍了正排索引与倒排索引的原理及应用。通过唐诗检索的场景对比，说明键值查询与关键词搜索的区别。正排索引以文档ID为键，适合精确查找；而倒排索引以关键字为键，记录包含该词的文档列表，显著提升多关键词联合查询效率。文中详述了倒排索引的构建步骤、链表归并求交集的查询优化方法，并拓展至多路归并与实际应用场景，如搜索引擎、推荐系统等。倒排索引虽原理简单，却是现代信息检索的核心技术之一。
索引更新：刚发布的文章就能被搜到，这是怎么做到的？
本文介绍工业界倒排索引的高效更新机制。针对小规模内存索引，采用Double Buffer实现无锁读写；对于大规模数据，则使用“全量+增量”索引结合方案，配合删除列表处理删改操作，并通过滚动合并法减少冗余IO，提升系统性能与可扩展性。（238字）
索引构建：搜索引擎如何为万亿级别网站生成索引？
针对超大规模数据，可通过分治与多路归并生成内存外倒排索引。先将文档分批在内存建索引，再写入有序临时文件，最后合并为全局索引。检索时结合内存哈希表、B+树及分层加载技术，高效处理词典与 posting list 的磁盘访问，提升查询性能。
定制化UI界面
本文介绍如何基于若依（RuoYi）框架定制化项目UI，包括更换浏览器标签logo与标题、系统页面logo、登录页名称及背景图，去除官网标识，并调整主题风格。通过替换`favicon.ico`、修改`index.html`和环境配置文件、更新`login.vue`组件及全局搜索清理冗余链接，实现品牌个性化。支持多环境配置与主题色自定义，提升项目专业度与用户体验。
非精准 Top K 检索：如何给检索结果的排序过程装上加速器？
本文介绍了非精准 Top K 检索的优化思路与实现方法，旨在通过简化打分过程提升检索性能。重点讲解了三种加速策略：基于静态质量得分排序截断、利用词频构建胜者表、以及分层索引设计。这些方法将计算前置到离线阶段，在线仅做快速截断，大幅降低开销。结合精准排序的两阶段架构（召回+排序），可在保证结果质量的同时显著提升效率，广泛应用于搜索与推荐系统中。
精准 Top K 检索：搜索结果是怎么进行打分排序的？
搜索引擎排序直接影响用户体验，核心是Top K检索。本文详解三种打分算法：经典TF-IDF衡量词频与区分度；BM25优化词频饱和与文档长度影响；机器学习融合多因子自动调权。最后介绍用堆排序提升大规模数据下Top K的效率，兼顾效果与性能。
