Lucene - 四句话理解基本原理与策略

Lucene实现快速搜索的策略：

文本链表建立

建立每个词对应的文本链表，在多条件查找时，对单词对应的链表做交并差操作，虽然索引的建立较为复杂，但只需建立一次，便可反复使用。

分段存储

早期的全文检索中，为整个文档集合创建了很大的倒排索引，由于创建索引成本很高，在数据更新频繁时，无法保证时效性，因此引入了分段存储。

分段存储将文件分为段，有新数据需要创建时新增一个段，由于段的不可变性，需要删除时不会真正删除，而是新增了.del文件，用来专门存储需要删除的数据id，只在文档链表做操作时，才把已经删除的数据过滤掉。对文件的更新操作实际上是删除和新增的组合。

延迟写

为了提升性能，当有新增数据时，先写入内存中，此时只有写权限，没有读权限，随后生成一个提交点，批量写入磁盘中，此时只有读权限，没有写权限，因此从严格意义上来说，Lucene属于准实时的搜索引擎。

段合并
分段能够提高效率，但随着时间增加，段会越来越多，在索引中会存在大量段，不仅会消耗服务器资源，还会影响性能，因此存在段合并策略。为了控制索引段的数量，需要定期进行段合并，并避免合并较大的段引起资源浪费。主要思路是：根据段的大小先将段分组，再将属于同一组的段合并，但在段的大小达到一定规模。或段中数据量达到一定条数时，不再进行合并。