Lucene 架构 总结

Stella981
• 阅读 591

Lucene 总的来说是:

  • 一个高效的,可扩展的,全文检索库。

  • 全部用 Java 实现,无须配置。

  • 仅支持纯文本文件的索引(Indexing)和搜索(Search)。

  • 不负责由其他格式的文件抽取纯文本文件,或从网络中抓取文件的过程。

在 Lucene in action 中,Lucene 的构架和过程如下图,

Lucene 架构 总结

说明 Lucene 是有索引和搜索的两个过程,包含索引创建,索引,搜索三个要点。
让我们更细一些看 Lucene 的各组件:

Lucene 架构 总结

  • 被索引的文档用 Document 对象表示。

  • IndexWriter 通过函数 addDocument 将文档添加到索引中,实现创建索引的过程。

  • 将文档添加到索引中,实现创建索引的过程。

  • Lucene 的索引是应用反向索引。

  • 当用户有请求时,Query 代表用户的查询语句。

  • IndexSearcher 通过函数 search 搜索 Lucene Index。

  • IndexSearcher 计算 term weight 和 score 并且将结果返回给用户。

  • 返回给用户的文档集合用 TopDocsCollector 表示。

那么如何应用这些组件呢?
让我们再详细到对 Lucene API 的调用实现索引和搜索过程。

Lucene 架构 总结

  • 索引过程如下:

    • 创建一个 IndexWriter 用来写索引文件,它有几个参数,INDEX_DIR 就是索引文件所存放的位置,Analyzer 便是用来对文档进行词法分析和语言处理的。

    • 创建一个 Document 代表我们要索引的文档。

    • 将不同的 Field 加入到文档中。我们知道,一篇文档有多种信息,如题目,作者,修改时间,内容等。不同类型的信息用不同的 Field 来表示,在本例子中,一共有两类信息进行了索引,一个是文件路径,一个是文件内容。其中 FileReader 的SRC_FILE 就表示要索引的源文件。

    • IndexWriter 调用函数 addDocument 将索引写到索引文件夹中。

  • 搜索过程如下:

    • IndexReader 将磁盘上的索引信息读入到内存,INDEX_DIR 就是索引文件存放的位置。
  • 创建 IndexSearcher 准备进行搜索。

  • 创建 Analyer 用来对查询语句进行词法分析和语言处理。

  • 创建 QueryParser 用来对查询语句进行语法分析。

  • QueryParser 调用 parser 进行语法分析,形成查询语法树,放到 Query 中。

  • IndexSearcher 调 用 search 对 查 询 语 法 树 Query 进 行 搜 索 , 得 到 结 果TopScoreDocCollector。

以上便是 Lucene API 函数的简单调用。
然而当进入 Lucene 的源代码后,发现 Lucene 有很多包,关系错综复杂。
然而通过下图,我们不难发现,Lucene 的各源码模块,都是对普通索引和搜索过程的一种实现。
此 图 是 上 一 节 介 绍 的 全 文 检 索 的 流 程 对 应 的 Lucene 实 现 的 包 结 构 。 ( 参 照http://www.lucene.com.cn/about.htm 中文章《开放源代码的全文检索引擎Lucene》)

Lucene 架构 总结

  • Lucene 的 analysis 模块主要负责词法分析及语言处理而形成 Term。。

  • Lucene 的 index 模块主要负责索引的创建,里面有 IndexWriter。

  • Lucene 的 store 模块主要负责索引的读写。

  • Lucene 的 QueryParser 主要负责语法分析。

  • Lucene 的 search 模块主要负责对索引的搜索。

  • Lucene 的 similarity 模块主要负责对相关性打分的实现。

点赞
收藏
评论区
推荐文章
blmius blmius
3年前
MySQL:[Err] 1292 - Incorrect datetime value: ‘0000-00-00 00:00:00‘ for column ‘CREATE_TIME‘ at row 1
文章目录问题用navicat导入数据时,报错:原因这是因为当前的MySQL不支持datetime为0的情况。解决修改sql\mode:sql\mode:SQLMode定义了MySQL应支持的SQL语法、数据校验等,这样可以更容易地在不同的环境中使用MySQL。全局s
皕杰报表之UUID
​在我们用皕杰报表工具设计填报报表时,如何在新增行里自动增加id呢?能新增整数排序id吗?目前可以在新增行里自动增加id,但只能用uuid函数增加UUID编码,不能新增整数排序id。uuid函数说明:获取一个UUID,可以在填报表中用来创建数据ID语法:uuid()或uuid(sep)参数说明:sep布尔值,生成的uuid中是否包含分隔符'',缺省为
待兔 待兔
3个月前
手写Java HashMap源码
HashMap的使用教程HashMap的使用教程HashMap的使用教程HashMap的使用教程HashMap的使用教程22
Jacquelyn38 Jacquelyn38
3年前
2020年前端实用代码段,为你的工作保驾护航
有空的时候,自己总结了几个代码段,在开发中也经常使用,谢谢。1、使用解构获取json数据let jsonData  id: 1,status: "OK",data: 'a', 'b';let  id, status, data: number   jsonData;console.log(id, status, number )
Wesley13 Wesley13
3年前
mysql设置时区
mysql设置时区mysql\_query("SETtime\_zone'8:00'")ordie('时区设置失败,请联系管理员!');中国在东8区所以加8方法二:selectcount(user\_id)asdevice,CONVERT\_TZ(FROM\_UNIXTIME(reg\_time),'08:00','0
Wesley13 Wesley13
3年前
00:Java简单了解
浅谈Java之概述Java是SUN(StanfordUniversityNetwork),斯坦福大学网络公司)1995年推出的一门高级编程语言。Java是一种面向Internet的编程语言。随着Java技术在web方面的不断成熟,已经成为Web应用程序的首选开发语言。Java是简单易学,完全面向对象,安全可靠,与平台无关的编程语言。
Stella981 Stella981
3年前
Django中Admin中的一些参数配置
设置在列表中显示的字段,id为django模型默认的主键list_display('id','name','sex','profession','email','qq','phone','status','create_time')设置在列表可编辑字段list_editable
Wesley13 Wesley13
3年前
MySQL部分从库上面因为大量的临时表tmp_table造成慢查询
背景描述Time:20190124T00:08:14.70572408:00User@Host:@Id:Schema:sentrymetaLast_errno:0Killed:0Query_time:0.315758Lock_
为什么mysql不推荐使用雪花ID作为主键
作者:毛辰飞背景在mysql中设计表的时候,mysql官方推荐不要使用uuid或者不连续不重复的雪花id(long形且唯一),而是推荐连续自增的主键id,官方的推荐是auto_increment,那么为什么不建议采用uuid,使用uuid究
Python进阶者 Python进阶者
9个月前
Excel中这日期老是出来00:00:00,怎么用Pandas把这个去除
大家好,我是皮皮。一、前言前几天在Python白银交流群【上海新年人】问了一个Pandas数据筛选的问题。问题如下:这日期老是出来00:00:00,怎么把这个去除。二、实现过程后来【论草莓如何成为冻干莓】给了一个思路和代码如下:pd.toexcel之前把这