13 | 空间检索（上）：如何用 Geohash 实现「查找附近的人」功能？
本文介绍了如何高效实现“查找附近的人”功能，针对大规模系统提出基于区域划分与Geohash编码的检索方案。通过将二维空间划分为带编号的区域，并利用一维编码（如Geohash）建立索引，可大幅提升查询效率。支持非精准与精准两种模式：前者直接查所在区域，后者结合邻近8区域扩大候选集以保证准确性。Geohash将经纬度转为字符串编码，便于存储与比较，广泛应用于Redis等系统。适用于社交、餐饮、出行等LBS场景。
09 | 索引更新：刚发布的文章就能被搜到，这是怎么做到的
本文介绍了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；对于大规模索引，则使用“全量+增量”索引方案，结合删除列表处理删改操作，并通过完全重建、再合并或滚动合并等策略管理增量数据，提升检索效率与系统稳定性。
15 | 最近邻检索（上）：如何用局部敏感哈希快速过滤相似文章？
在搜索引擎与推荐系统中，相似文章去重至关重要。通过向量空间模型将文档转化为高维向量，利用SimHash等局部敏感哈希技术生成紧凑指纹，结合海明距离与抽屉原理分段索引，可高效检索近似重复内容，在百亿网页中快速过滤雷同结果，提升用户体验。该方法适用于文本、图像等多种对象的相似性检测。
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？
本文通过唐诗检索的类比，深入浅出地讲解了正排索引与倒排索引的核心原理。正排索引以文档ID为键，适用于精确查找；而倒排索引则以关键词为键，指向包含该词的文档列表，极大提升了多关键词联合查询效率。文章详细介绍了倒排索引的构建过程、链表归并求交集的查询优化方法，并拓展到作者维度检索等实际应用场景，揭示其在搜索引擎、数据库全文检索等系统中的核心地位。
测一测丨检索算法基础，你掌握了多少？
本文解析了多种数据结构的查询效率与适用场景，涵盖无序/有序数组、链表、二叉检索树、跳表、哈希表、位图及布隆过滤器等。重点比较了它们在插入、查找、遍历等操作的时间空间代价，并探讨了倒排索引的设计原理与应用，如搜索引擎中的高效检索策略。同时指出各类结构的优缺点：如哈希表查询快但空间开销大，有序数组紧凑但插入慢，二叉搜索树性能依赖平衡性等。还澄清了常见误区，例如二分查找不适用于链表，开放寻址法中不能用二分查找解决冲突等。最后通过布隆过滤器和倒排索引的实际案例，说明如何根据业务需求选择合适的数据结构以优化系统性能。
特别加餐丨倒排检索加速（二）：如何对联合查询进行加速？
本文介绍工业界联合查询的四种加速方法：调整次序法利用集合大小差异优化求交顺序；快速多路归并法借助跳表提升多列表归并效率；预先组合法对高频查询提前计算结果；缓存法则通过LRU机制缓存热点查询，避免重复计算，全面提升检索性能。
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？
本文通过唐诗检索的场景，对比正排索引与倒排索引的差异。正排索引以文档ID为键，适合精确查找；而倒排索引以关键词为键，记录包含该词的文档列表，支持高效的关键字搜索。文中详解了倒排索引的构建过程：分词、生成关键字-文档对、插入哈希表，并介绍如何通过归并有序链表实现多关键词联合查询（如交集、并集）。倒排索引广泛应用于搜索引擎、数据库全文检索等系统，是信息检索的核心技术之一。
