lucene学习总结1

lucene的原理、索引概要过程

lucene是一个全文搜索框架。
数据库也能搜索，为什么要用lucene？主要是因为速度快。
lucene采用倒排的方式进行索引。

倒排的原理：
将信息分割成一个个关键词，并附以该关键词的位置。
关键词--位置之间形成一个对应关系。
n个关键词--位置，就形成一个索引表。
搜索时，通过查找索引表中的关键字。就能迅速找出所在位置。
关键词的数量会随索引信息的量而增长，但到了一定程度，表的增长就会很少。
（1GB信息，关键词表大约为5MB）

lucene实际上只有两个功能--索引、搜索。
索引：给它提供一堆字符串，让它建立索引。
搜索：提供关键词，让lucene定位所在的位置。

lucene以文档为单位进行索引。

主要层次结构如下：
Field->Document->IndexWriter->Directory

Field是可搜索数据的最小单位。
Field有多个构造函数，但本质上就是一个name-value，加以上3个属性的组合。
1.索引方式
ANAYLZED 索引、分词
ANAYLZED_NO_NORMS
NO 不索引
NOT_ANAYLZED 索引、不分词
NOT_ANAYLZED_NO_NORMS
2.是否存储（YES，NO）
3.TermVector

属性怎么组合？以图书索引为例子：
书号: 索引、存储、不分词
书名 索引、存储、分词
作者 索引、存储、不分词
出版日期： 不索引、存储、不分词
摘要： 索引、不存储、分词
价格： 不索引、存储、不分词

原则就是：能给用户搜索字段的就索引、需要在搜索结果显示出来就存储、允许模糊匹配的就分词。

Document：文档是索引和搜索的单元，由多个Field组成。

IndexWriter；创建、维护索引，以Document为单位进行操作。
IndexWriter的构造方法主要有2个参数：
1.Directory
抽象的目录，用于存放索引
2.Analyzer
字符串解析器（说白了就是分词器）

IndexWriter的工作就是：
1.首先使用Anaylzer对Document中标记为“分词”的Field
2.把所有Document的Field进行索引，并写到目录