Lucene 2.9 新功能盘点

Apache Lucene 项目是一个完全用Java编写的高性能、全功能的文本搜索引擎库，最近它发布了2.9版 。此次发布在2.4.1版的基础上进行了许多增强：

• 单个Segment的查询及缓存，这使reopen操作的速度显著提高。
  • 这个功能对增量索引的更新很有帮助
• 为IndexWriter增加了接近实时的搜索功能。
  • 这是Lucene从根本上开始支持实施搜索
• 新的Query类型。
• 更智能，伸缩性更强的多词（multi-term）查询（如Wildcard，Range等等）。
• 最新优化过的Collector/Scorer API。
• 新增的Unicode支持及字符集（Collation）。
• 基于Attribute的TokenStream新API。
• 在contrib中提供了新的QueryParser框架，并替换了核心实现。
• 在基于字段搜索，或使用自定义的Collector的时候可取消Score功能，这样可以获得显著的性能提高。
  • 这在自定义排序的时候性能会有提升，减少了score的计算
• 新的分析器（PesianAnalyzer，ArabicAnalyzer、SmartChineseAnalyzer）。
  • SmartChineseAnalyzer是基于词典的，基本功能应该是可以的。需要考察一下可扩展性。
• 为大型文本新增快速向量高亮工具（fast-vector-highlighter）。
• 对数字字段提供了高性能的查询支持。这些字段使用前缀树的结构进行索引，能直接支持简单而高效的数字范围查询，而不需要在外部对数字进行处理。

虽然Lucene团队打算在小版本的更新上做到完整的兼容，但是Lucene 2.9在不少方面破坏了这一点，详细信息可参考Changes 文档中“向前兼容策略的改变（Changes in backwards compatibilit policy）”一节。Lucene团队建议不要直接替换生产环境下的二进制包，而是在部署前重新编译应用程序，以便在出现兼容问题时获得提示并进行修补。