lucene学习笔记（一）——索引的建立

学习书籍：开发自己的搜索引擎 Lucene+Heritrix（第二版） 

搜索引擎的总体思路：提供源文件（搜索目标）  -->  对源文件分词  -->  新建Field  -->  Field写入Document  -->  建立索引  -->  开始搜索（对索引进行搜索）  -->  搜索结果

基本概念：

Document：逻辑文件。因为Lucene无法对物理文件建立索引，所以使用Document与物理文件进行对应，Lucene对Document进行处理。Document不等于物理文件，只是收集了物理文件的部分或全部数据源。

Field：数据源有Field类表示，或者理解为字段。Document类似于database中的row，Field类似于column。

IndexWriter：索引工具，用于建立索引，加入Document。

IndexReader：对索引的读取和维护工作。

Analyzer：分词器。

segment：Lucene对索引管理的最大单位，一个segment中可以包含多个Document。

.fnm文件：包含Document所有的field名称。

.fdt文件：存储具有Store.Yes属性的Field数据。

.fdx文件：存储Document在.fdt中的位置。

.tis文件：存储分词后的词条（term）。

.tii文件：term的所以文件，表明了term在.tis中的位置。

deletable文件：记录删除的Document，类似于回收站。

mergeFactor：合并因子。

Field属性：

1、是否储存（isStored）

2、是否索引（isIndexed）

3、是否分词（isTokenized）

IndexWriter属性：

1、maxFieldLength：Field的最大长度，默认10 000，可以使用setter更改。

IndexWriter方法：

1、optimize()：对指定索引目录下的所有segment进行优化，合并。

IndexReader方法：

1、numDocs()：返回索引中Document数量。

2、deleteDocument(int ID)：删除指定ID的Document。

3、deleteDocument(Term term)：批量删除匹配的Document。

4、undeleteAll()：反删除。

Document常用构造函数：Document();

Field常用构造函数：Field(String name, String value, Store stroe, Index index);

IndexWriter常用构造函数：IndexWriter(String path, Analyzer a, boolean create);    create参数表示是否删除原有索引重新建立索引。

IndexReader构造方法：IndexReader.open(String Path);

注意：

1、使用IndexWriter添加完Document后，一定要使用IndexWriter的close方法关闭索引器。

2、索引的修改：只允许一个线程操作。

3、索引的检索：允许多线程。