传智播客java学习--lucene进阶

我今天学习了lucene的一些知识，我做了简单的笔记：

 

索引文件结构：

   倒排索引，索引对象是文档中的单词等，用来存储这些单词在一个文档中的位置。例如，有些书在最后提供的索引（单词——页码的对应列表），就可以看成是一种倒排序索引。可以通过一些关键字，在全书中检索出与之相关的部

 

索引文件的检索与维护

     词汇表规模相对较小，文档集合规模较大。进行检索时，先从检索词汇表开始，然后找到相对应的文档。如果查询中仅包含一个关键词，则在词汇表中找到该单词，并取出他对应的文档就可以了。如果查询中包含多个关键词，则需要将各个单词检索出的记录进行合并。

维护倒排索引有三个操作：插入、删除和更新文档。但是更新操作需要较高的代价。因为文档修改后（即使是很小的修改），就可能会造成文档中的很多的关键词的位置都发生了变化，这就需要频繁的读取和修改记录，这种代价是相当高的。因此，一般不进行（真正的）更新操作，而是使用“先删除，后创建”的方式代替更新操作。

 

Lucene常用的API：

Document ：Lucene所操作的对象

Field：组成Document的元素，代表一个属性。Store、Index

   new Field( String name, String value, Store store, Index index )

Directory：索引库（目录）

   FSDirectory    ：真实的目录

   RAMDirectory：在内存中的一个虚拟的目录

 

QueryParser：把查询字符串变为查询对象的工具。使用子类: MultiFieldQueryParser

   new MultiFieldQueryParser(String[] fields, Analyzer a)

Term：代表某个属性中的一个关键词（目录中出现的条目），是搜索的最小单位

Query ：查询对象（封装的过滤条件）。有很多子类，对应各种各样的查询方式。

TopDocs（一套） ：代表查询结果

  // 添加索引

       addDocument( Document doc )

       // 更新

       updateDocument(Term term, Document doc)

       // 删除

       deleteDocument(Term term)

       // 合并索引库

       addIndexesNoOptimize(Directory[])

       // 优化索引库

       optimize()

 

日期时间与数字类型的使用

  在对属性值进行大小比较时（通常是使用范围查询，比较数字类型的时候），是按照字符串的比较规则，因为他们都是转成字符串后存储的。这样就会出现问题，如 “20”是大于“100”的（根据字符串的比较规则）。解决的方法是：让数字转成的字符串具有相同的位数，如位数不足，就在前面补相应数量个“0”。数字到符串、字符串到数字的转换可以使用Lucene提供的工具类NumberTools完成。对于日期与字符串的双向转换，则可以使用Lucene提供的DateTools完成。

 

相关度排序

  Lucene的搜索结果默认按相关度排序的。所谓相关度，就是文档的得分。Lucene有一个评分机制，就是对检索结果按某种标准进行评估，然后按分值的高低来对结果进行排序。

 

1，       文档的得分与用户输入的关键字有关系，而且是实时运算的结果。得分会受关键字在文档中出现的位置与次数等的影响。

2，       可以利用Boost影响Lucene查询结果的排序，通过设置Document的Boost来影响文档的权重，以达到控制查询结果顺序的目的：Document.setBoost(float)。默认值为1.0f，值越大，得分越高。

3，       也可以在查询时给Filed指定boost：Field.setBoost(float)。当同样的term属于不同的field时，如果field的boost不一样，其所属的文件的得分也不一样。