[실습] 역인덱스(Inverted Index)를 활용한 데이터 조회

author

JSCODE 박재성

✅ 역인덱스(Inverted Index)를 활용한 데이터 조회

기존 products 인덱스 삭제


# 기존 products 인덱스 삭제
DELETE /products

인덱스 생성

[기존에 배웠던 방법]


# 인덱스 생성
PUT /products

# 매핑 정의
PUT /products/_mappings
{
  "properties": {
    "name": { 
      "type": "text"
    }
  }
}

[조금 더 편리한 방법]


# 인덱스 생성 + 매핑 정의 (자주 쓰이니 정리해두자!)
PUT /products
{
  "mappings": {
    "properties": {
      "name": {
        "type": "text"
      }
    }    
  }
}

인덱스 잘 생성됐는 지 확인


# 인덱스 잘 생성됐는 지 확인
GET /products

도큐먼트 삽입


# 데이터 넣기
POST /products/_create/1
{
  "name": "Apple 2025 맥북 에어 13 M4 10코어"
}

POST /products/_create/2
{
  "name": "Apple 2024 에어팟 4세대"
}

POST /products/_create/3
{
  "name": "Apple 2024 아이패드 mini A17 Pro"
}

도큐먼트 조회


# 'Apple 2024 아이패드'로 검색
GET /products/_search
{
  "query": {
    "match": {
      "name": "Apple 2024 아이패드"
    }
  }
}

응답값


{
  "took": 7,
  "timed_out": false,
  "_shards": {
    "total": 1,
    "successful": 1,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": {
      "value": 3,
      "relation": "eq"
    },
    "max_score": 1.5471337,
    "hits": [
      {
        "_index": "products",
        "_id": "3",
        "_score": 1.5471337,
        "_source": {
          "name": "Apple 2024 아이패드 mini A17 Pro"
        }
      },
      {
        "_index": "products",
        "_id": "2",
        "_score": 0.6860854,
        "_source": {
          "name": "Apple 2024 에어팟 4세대"
        }
      },
      {
        "_index": "products",
        "_id": "1",
        "_score": 0.12180668,
        "_source": {
          "name": "Apple 2025 맥북 에어 13 M4 10코어"
        }
      }
    ]
  }
}

score가 높은 순으로 도큐먼트가 조회됐다. score가 대략적으로 어떻게 계산됐는 지 이전 강의의 내용을 다시 떠올려보자.

[복습]

Apple 2024 아이패드라고 검색하면 역인덱스를 활용해 일치하는 단어가 많은 도큐먼트를 우선적으로 조회한다.

토큰(token)	도큐먼트 id
Apple	[1, 2, 3]
2025	[1]
맥북	[1]
에어	[1]
13	[1]
M4	[1]
10코어	[1]
2024	[2, 3]
에어팟	[2]
4세대	[2]
아이패드	[3]
mini	[3]
A17	[3]
Pro	[3]

id가 1인 도큐먼트 : 단어 1개 일치

id가 2인 도큐먼트 : 단어 2개 일치

id가 3인 도큐먼트 : 단어 3개 일치

이와 같은 Elasticsearch의 자체적인 로직으로 score(점수)를 매겨 score가 높은 순(id=3 → id=2 → id=1)으로 도큐먼트를 조회한다.

참고) 대략적인 score 계산 로직

Term Frequency (TF)

문서 내에서 검색어가 얼마나 자주 등장하냐
→ 많이 등장할수록 점수↑

Inverse Document Frequency (IDF)

검색어가 전체 문서 중 얼마나 희귀하냐
→ 희귀할수록 점수↑ (흔한 단어일수록 점수↓)

Field Length Normalization

문서(필드)가 짧을수록 점수↑
→ 검색어가 짧은 문서에서 등장하면 더 관련성 높다고 판단

👨🏻‍🏫

다음 강의에서는 역인덱스를 생성하는 과정을 조금 더 깊이 파헤쳐보자.

author

JSCODE 박재성

category

Elasticsearch

createdAt

Dec 6, 2025

series

실전에서 바로 써먹는 Elasticsearch 입문 (검색 최적화편)

slug

type

series-footer

updatedAt

Dec 6, 2025 05:12 AM

📎

이 글은 실전에서 바로 써먹는 Elasticsearch 입문 (검색 최적화편) 강의의 수업 자료 중 일부입니다.

# 데이터 넣기 POST /products/_create/1 { "name": "Apple 2025 맥북 에어 13 M4 10코어" } POST /products/_create/2 { "name": "Apple 2024 에어팟 4세대" } POST /products/_create/3 { "name": "Apple 2024 아이패드 mini A17 Pro" }

{ "took": 7, "timed_out": false, "_shards": { "total": 1, "successful": 1, "skipped": 0, "failed": 0 }, "hits": { "total": { "value": 3, "relation": "eq" }, "max_score": 1.5471337, "hits": [ { "_index": "products", "_id": "3", "_score": 1.5471337, "_source": { "name": "Apple 2024 아이패드 mini A17 Pro" } }, { "_index": "products", "_id": "2", "_score": 0.6860854, "_source": { "name": "Apple 2024 에어팟 4세대" } }, { "_index": "products", "_id": "1", "_score": 0.12180668, "_source": { "name": "Apple 2025 맥북 에어 13 M4 10코어" } } ] } }