请教 Linkedin 的开源 typeahead/autocomplete 工具 cleo 的原理

[puncsky]

解释的连接在这里：

https://engineering.linkedin.com/open-source/cleo-open-source-technology-behind-linkedins-typeahead-search

我的问题是，Query Walkthrough 中第二步和第三部无法理解：既然已经从 inverted index 里面取到了id，为什么还要再filter (bloomfilter快速筛选，forward index去除false positive)一下呢？为什么不直接对所有id评分排序求结果就完了呢?

[berzjackson]

第一步inverted index确保prefix在document里头
第二步利用bloom filter概率上确保query在document里头，小概率存在false positive
第三步forward index去除第二部的false positive

另外，在Linkedin的他们这个场景里，score主要是基于popularity或者People You May Know的，和query relavence没有关系。按我的理解，这个设计的前三个步骤一方面是彻底解决query匹配，另一方面是过滤掉大量结果，只留少量document进入最后的评分排序逻辑，这样如果评分算法很复杂，例如引入了机器学习之类的东西，性能不会成为瓶颈

[puncsky]

@berzjackson 感激，原来主要原因是有 prefix 不一定有 term，要“确保 query 在 document 里头”