搜索引擎-文档编号

文档编号要满足三个要求：

1，文档在生命周期内只有一个编号；

2，任何两个不同的文档（不只是内容不同）编号都不相同；

3，编号要尽量保证存储效率和计算效率。

url满足前两条，不满足第三条。太长，不适合排序。

可采用64位整数编号，基本可以保证第二条。

整数的游程编码，需要时递增数列。存储的是文档编号差，而不是文档编号本身，由于整数范围变小，可以采用变长编码。不适合随机取文档编号，要获得完整编号，必须知道前一个文档编号。适合顺序取。由于倒排索引要取得每一个的包含词条的文档，所以可以用差分变长编码。