lucene的介绍网上有好多,再写一遍可能有点多余了。
使用lucene之前,有一系列的疑问
- 为什么lucene就比数据库快?
- 倒排索引是什么,他是怎么做到的
- lucene的数据结构是什么样的,cpu消耗,内存消耗主要因为什么
- lucene的索引流程以及查询流程是什么样的
推荐两篇文章,更进一步了解lucene
可以参考lucene与数据库对比部分
http://www.chedong.com/tech/lucene.html
可以参考第一篇和第二篇部分对lucene有一部分了解
http://blog.csdn.net/forfuture1978/article/details/5668956
《Lucene 原理与代码分析》看过一点,但是有点难度。
现在从《lucene实战》这本书来看,lucene使用的是4.7可能与3.0有所区别。
下面是第一节的例子
package com.mitchz.lucence; import java.io.File; import java.io.FileFilter; import java.io.FileReader; import java.io.IOException; import org.apache.lucene.analysis.core.SimpleAnalyzer; import org.apache.lucene.document.Document; import org.apache.lucene.document.Field; import org.apache.lucene.document.StringField; import org.apache.lucene.document.TextField; import org.apache.lucene.index.IndexWriter; import org.apache.lucene.index.IndexWriterConfig; import org.apache.lucene.store.Directory; import org.apache.lucene.store.FSDirectory; import org.apache.lucene.util.Version; /** * @author mitchz * @version 1.0 * @since 2014年4月30日 * @category com.mitchz.lucence */ public class Indexer { private IndexWriter writer; public Indexer(String indexDir) throws IOException { Directory dir = FSDirectory.open(new File(indexDir)); IndexWriterConfig config = new IndexWriterConfig(Version.LUCENE_47, new SimpleAnalyzer(Version.LUCENE_47)); writer = new IndexWriter(dir, config); } public int index(String dataDir, FileFilter filter) throws Exception { File[] files = (new File(dataDir)).listFiles(); for (File file : files) { if (!file.isDirectory() && !file.isHidden() && file.canRead() && (filter == null || filter.accept(file))) { indexFile(file); } } return writer.numDocs(); } private static class TextFilesFilter implements FileFilter { @Override public boolean accept(File path) { return path.getName().toLowerCase().endsWith(".txt"); } } protected Document getDocument(File file) throws Exception { Document doc = new Document(); doc.add(new TextField("contents", new FileReader(file))); doc.add(new StringField("filename", file.getName(), Field.Store.YES)); doc.add(new StringField("fullpath", file.getCanonicalPath(), Field.Store.YES)); return doc; } protected void indexFile(File file) throws Exception { System.out.println("Indexing " + file.getCanonicalPath()); Document doc = getDocument(file); writer.addDocument(doc); } protected void close() throws IOException { writer.close(); } public static void main(String[] args) throws Exception { if (args.length != 2) { throw new IllegalArgumentException("Usage java " + Indexer.class.getName() + "<index dir> <data dir>"); } String indexDir = args[0]; String dataDir = args[1]; System.out.println("indexDir:" + indexDir); System.out.println("dataDir:" + dataDir); long start = System.currentTimeMillis(); Indexer indexer = new Indexer(indexDir); int numIndexed; try { numIndexed = indexer.index(dataDir, new TextFilesFilter()); } finally { indexer.close(); } long end = System.currentTimeMillis(); System.out.println("Indexing " + numIndexed + " files took " + (end - start) + " milliseconds"); } }
package com.mitchz.lucence; import java.io.File; import java.io.IOException; import org.apache.lucene.analysis.core.SimpleAnalyzer; import org.apache.lucene.document.Document; import org.apache.lucene.index.DirectoryReader; import org.apache.lucene.queryparser.classic.ParseException; import org.apache.lucene.queryparser.classic.QueryParser; import org.apache.lucene.search.IndexSearcher; import org.apache.lucene.search.Query; import org.apache.lucene.search.ScoreDoc; import org.apache.lucene.search.TopDocs; import org.apache.lucene.store.Directory; import org.apache.lucene.store.FSDirectory; import org.apache.lucene.util.Version; /** * @author mitchz * @version 1.0 * @since 2014年4月30日 * @category com.mitchz.lucence */ public class Searcher { public static void main(String args[]) throws IOException, ParseException { if (args.length != 2) { throw new IllegalArgumentException("Usage java " + Searcher.class.getName() + "<index dir> <query>"); } String indexDir = args[0]; String q = args[1]; search(indexDir, q); } public static void search(String indexDir, String q) throws IOException, ParseException { Directory dir = FSDirectory.open(new File(indexDir)); DirectoryReader dirReader = DirectoryReader.open(dir); IndexSearcher is = new IndexSearcher(dirReader); QueryParser parser = new QueryParser(Version.LUCENE_47, "contents", new SimpleAnalyzer(Version.LUCENE_47)); Query query = parser.parse(q); long start = System.currentTimeMillis(); TopDocs hits = is.search(query, 10); long end = System.currentTimeMillis(); System.out.println("Found " + hits.totalHits + " document(s) (in " + (end - start) + " milliseconds) that matched query '" + q + "':"); for (ScoreDoc scoreDoc : hits.scoreDocs) { Document doc = is.doc(scoreDoc.doc); System.out.println(doc.get("filename")); } } }
maven的配置如下:
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd"> <modelVersion>4.0.0</modelVersion> <groupId>com.mitchz</groupId> <artifactId>lucence-test</artifactId> <version>0.0.1-SNAPSHOT</version> <packaging>jar</packaging> <name>lucence-test</name> <url>http://maven.apache.org</url> <properties> <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding> </properties> <dependencies> <dependency> <groupId>junit</groupId> <artifactId>junit</artifactId> <version>3.8.1</version> <scope>test</scope> </dependency> <dependency> <groupId>org.apache.lucene</groupId> <artifactId>lucene-core</artifactId> <version>4.7.0</version> </dependency> <dependency> <groupId>org.apache.lucene</groupId> <artifactId>lucene-analyzers-common</artifactId> <version>4.7.0</version> </dependency> <dependency> <groupId>org.apache.lucene</groupId> <artifactId>lucene-queryparser</artifactId> <version>4.7.0</version> </dependency> </dependencies> </project>
相关推荐
- **章节1:初识Lucene** - **信息组织与访问的发展**:介绍了从最早的纸质图书到数字化时代的信息检索方式的变化,强调了现代搜索引擎技术的重要性。 - **Lucene是什么**: - **定义**:Lucene是一个高性能、全...
第1章 Lucene初识 Lucene4入门精通实战课程概述 Lucene系统架构 第2章 Lucene索引 Lucene索引里有什么 Lucene索引深入 Lucene索引深入优化 Lucene索引搜索 第3章 Lucene搜索实战 Lucene搜索实战 Lucene搜索深入...
1. 初识Lucene: - 了解Lucene的基本组件,如Analyzer、Document、Field、IndexReader、IndexWriter、Query等。 - 学习如何创建简单的索引和搜索示例。 - 掌握基本的查询语法,如TermQuery、BooleanQuery、...
初识Lucene的人可能会误认为它是一个可以直接使用的应用程序,比如文件搜索程序、网络爬虫或网站搜索引擎。实际上,Lucene并非如此,它是一个软件库,更确切地说,是一个工具包,而不是一个完整的功能丰富的搜索应用...
《Lucene:初识搜索引擎库的“Hello World”》 Lucene,作为Apache软件基金会的顶级项目,是一款高性能、全文本检索引擎库,被广泛应用于各类搜索引擎和信息检索系统中。它提供了完整的搜索功能,包括索引、查询、...
### Elasticsearch 初识与简单案例 #### 一、Elasticsearch简介 Elasticsearch 是一款基于 Lucene 的分布式全文搜索引擎,具有高度可扩展性及灵活性。它不仅支持文本搜索,还能进行复杂的数据分析任务,因此在众多...
Hadoop 是一个能够处理海量数据的开源软件框架,它最初由Apache Lucene项目演化而来,旨在解决大规模数据处理的问题。Hadoop 2.x 版本相比早期版本有了显著的改进和增强,特别是在性能、稳定性和安全性方面。 - **...
Doug Cutting是著名的开源搜索技术倡导者和创造者,他之前还创立了Lucene和Nutch等项目。 - **命名由来**:Hadoop这个名字来源于Cutting的孩子给一头玩具大象起的名字,它是一个非正式的名称,简单易记,没有特殊...
Elasticsearch是基于Apache Lucene构建的开源全文搜索引擎,因其易于使用和高性能的特点深受开发者喜爱。它不仅支持实时搜索,还具备分布式、可扩展的特性,可以处理大规模数据。Elasticsearch不仅适用于传统的搜索...
1. ELASTICSEARCH 初识 Elasticsearch(简称ES)是一款基于Lucene的开源分布式搜索引擎,以其强大的全文检索、实时分析和高可扩展性而闻名。它不仅用于传统的搜索功能,还广泛应用于日志分析、监控、物联网(IoT)...
Elasticsearch(简称ES)是一款基于Lucene的开源搜索引擎。它为开发者提供了高效、可靠的搜索和数据分析能力,支持多种数据类型的实时索引与搜索。 **1.2 入门指南** - **1.2.1 初识ES** - Elasticsearch是一个...
第五阶段: 初识⼤数据 1. 难易程度:三颗星 2. 课时量(技术知识点+阶段项⽬任务+综合能⼒):80课时 3. 主要技术包括:⼤数据前篇(什么是⼤数据,应⽤场景,如何学习⼤数据库,虚拟机概念和安装等)、Linux常见...