lucene 索引实战

Lucene索引实战

                                                                                                                                                                                   ——comaple.zhang

 声明:本文为原创,转载请注明出处。

1.概述

Lucene 是用来建立索引和查询索引的利器,其查询速度很快。我本人测试的数据位125万条数据每条200字节,返回结果要1.7s内完成。而从结果集中取出120万数据并转换为pojo对象则需要13.8s。网络i/o达到16MB/s。而建立120万条这样的索引数据仅需要1.26m。那么现在就让我们一起来看一下具体的用法吧。

2.概念解释

2.1倒排索引

         Lucene是高性能的基于java实现的全文检索工具,可以把他理解为全文检索的api集合。它使用的是倒排文件索引结构。下面举一个例子来说明倒排索引的概念。假如有两篇文章,

         Doc1:tom lives inGuangzhou,I live in Guangzhou too。

         Doc2:he oncelived in shanghai。

a)        由于lucene是基于关键词索引和查询的,所以首先我们要对文章进行分词处理。为了简便我们这里只讨论英文分词,即以空格分隔的单词系列,再去掉小品词即可。

b)        单词分词以后统一大小写,还原英文单词原型。如lives lived还原为live

c)         去掉标点符号,此时文章变为:

Doc1:[tom] [live] [guangzhou][live] [guangzhou]

Doc2:  [he] [live] [shanghai]

d)        接下来我们来进行倒排索引,一般索引以这样的格式存储:文章id :关键字;而倒排索引反过来了如:关键字:包还该关键字的所有文档id。如下所示:

关键字                                文章id

Guangzhou           doc1

He                                         doc2

I                                             doc1

Live                                       doc1、doc2

Shanghai                             doc2

Tom                                      doc1

2.2 Document 和 Field

对于要index的文档, 首先要生成抽象的document对象, 然后把需要index的内容加到各个fields中去.Document就是fields的集合, 而fields用来放文档本身和文档的元数据.

field由名字和值组成.如代码:

Document doc = new Document();

String pin = item.getPin();

doc.add(new Field("pin", pin,Store.YES, Index.NOT_ANALYZED));

doc.add(new Field("sku",item.getSku(), Store.YES,Index.ANALYZED));

2.3写入文档

indexWriter.addDocument(doc);

2.4 创建indexwriter

IndexWriter writer = new IndexWriter(dir,getAnalyzer(), true);

3下面一个完整的demo

         直接上代码了,这是一个可以实现创建,更新和查询的工具类,其中查询实现了分页读取的操作。

import java.io.File;

import java.util.ArrayList;

import java.util.Iterator;

import java.util.List;

import java.util.concurrent.locks.Lock;

import java.util.concurrent.locks.ReentrantLock;

 

import org.apache.lucene.analysis.Analyzer;

import org.apache.lucene.analysis.standard.StandardAnalyzer;

import org.apache.lucene.document.Document;

import org.apache.lucene.document.Field;

import org.apache.lucene.document.Field.Index;

import org.apache.lucene.document.Field.Store;

import org.apache.lucene.index.IndexReader;

import org.apache.lucene.index.IndexWriter;

import org.apache.lucene.index.IndexWriterConfig;

import org.apache.lucene.index.Term;

import org.apache.lucene.search.IndexSearcher;

import org.apache.lucene.search.Query;

import org.apache.lucene.search.ScoreDoc;

import org.apache.lucene.search.TermQuery;

import org.apache.lucene.search.TopDocs;

import org.apache.lucene.search.TopScoreDocCollector;

import org.apache.lucene.store.Directory;

import org.apache.lucene.store.NIOFSDirectory;

import org.apache.lucene.util.Version;

 

import jd.data.migration.dao.BaseDao;

import jd.data.migration.model.UserOrderModel;

/**

 *

 * @author qt-zhangshengtao

 *

 */

public class LuceneDaoImpl implements BaseDao<UserOrderModel>{

    //索引文件存放的路径

    private final String DBPATH = "e:\\newindex";

    //indexwriter

    private static IndexWriter indexWriter =null;

    //indexwriter用到的存储对象

    private static Directory indexDir =null;

    //配置对象

    private static IndexWriterConfig config =null;

    public static Analyzer luceneAnalyzer =null;

    private IndexReader reader = null;

    private Query query = null;

    private IndexSearcher searcher = null;

    // 默认每页返回一万

    private final int pageCount = 10000;

 

    public static LuceneDaoImpl instance;

    private static Lock lock = new ReentrantLock();

 

    private LuceneDaoImpl() {

       try {

           luceneAnalyzer = new StandardAnalyzer(Version.LUCENE_35);

           config = new IndexWriterConfig(Version.LUCENE_35,luceneAnalyzer);

           indexDir = new NIOFSDirectory(new File(DBPATH));

           indexWriter = new IndexWriter(indexDir,config);

           indexWriter.setRAMBufferSizeMB(512);

           //indexWriter.setUseCompoundFile(false);

       } catch (Exception e) {

           System.out.println(e.getMessage());

       }

    }

 

    public static LuceneDaoImpl getInstance() {

       lock.lock();

       if (instance == null)

           instance = new LuceneDaoImpl();

       lock.unlock();

       return instance;

 

    }

 

    /**

     * 根据单个pin获取userOrder列表

     *

     * @param pin

     * @return

     */

    public List<UserOrderModel> getListByPin(String sku) {

       try {

           List<UserOrderModel> list = newArrayList<UserOrderModel>();

           query = new TermQuery(new Term("sku", sku));

           reader = IndexReader.open(indexDir);

           searcher = new IndexSearcher(reader);

           //TopScoreDocCollector result = TopScoreDocCollector.cr

 

           TopDocs docs = searcher.search(query, pageCount);

           int totalCount = docs.totalHits;

           if (totalCount > pageCount) {

              for (int i = 0; i < totalCount / pageCount; i++) {

                  ScoreDoc[] scoreDocs = docs.scoreDocs;

                  ScoreDoc lastdoc = null;

                  for (ScoreDoc scoreDoc : scoreDocs) {

                     Document document = searcher.doc(scoreDoc.doc);

                     list.add(new UserOrderModel(document.get("pin"),

                            document.get("sku")));

                     lastdoc = scoreDoc;

                  }

                  docs = searcher.searchAfter(lastdoc, query, pageCount);

                  if (docs.scoreDocs.length == 0)

                     break;

              }

           }

           return list;

       } catch (Exception e) {

           System.out.println(e.getMessage());

           return null;

       }

    }

 

    /**

     * 在lucene中根据传入的list创建索引

     *

     * @param list

     */

    public void createIndex(List<UserOrderModel> list) {

       try {

           for (Iterator iterator = list.iterator(); iterator.hasNext();) {

              UserOrderModel item = (UserOrderModel) iterator.next();

              Document doc = new Document();

              String pin = item.getPin();

              doc.add(new Field("pin", pin, Store.YES, Index.NOT_ANALYZED));

              doc.add(new Field("sku", item.getSku(), Store.YES,

                     Index.ANALYZED));

 

              indexWriter.addDocument(doc);

           }

       } catch (Exception e) {

           System.out.println(e.getMessage());

       }

    }

    /**

     * 更新索引

     */

    public void updateIndex(List<UserOrderModel> list) {

       try {

 

           for (Iterator iterator = list.iterator();iterator.hasNext();) {

              UserOrderModel item = (UserOrderModel) iterator.next();

              Document doc = new Document();

              doc.add(new Field("pin", item.getPin(), Store.YES,

                     Index.NOT_ANALYZED));

              doc.add(new Field("sku", item.getSku().toString(), Store.YES,

                     Index.ANALYZED_NO_NORMS));

              indexWriter.updateDocument(new Term("pin", item.getPin()), doc);

           }

       } catch (Exception e) {

           e.printStackTrace();

       }

 

    }

 

    public void close() {

       try {

           // TODO Auto-generatedmethod stub

           indexWriter.commit();

           indexWriter.close();

       } catch (Exception e) {

           System.out.println(e.getMessage());

       }

    }

 

    public List<UserOrderModel> getListByPin(String[] pin) {

       // TODO Auto-generatedmethod stub

       return null;

    }

 

}

 


weixin073智慧旅游平台开发微信小程序+ssm后端毕业源码案例设计 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
python017基于Python贫困生资助管理系统带vue前后端分离毕业源码案例设计 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
weixin102旅游社交微信小程序+ssm后端毕业源码案例设计 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值