记Lucene GEO Query的一点优化

目前我们使用的是Lucene 4.0，上面对GEO query的使用是这样的，索引阶段使用geo hash索引多个级别的geo grid,检索阶段获取geo grid做termquery,or起来，最后search之后在collector中按照距离做一次手动的过滤，这样做不方便的是geo query不能任意和其他query做or组合。

又查看了lucene spatial中的实现，是直接确定精度之后做索引,索引可能较快了，但是检索阶段需要使用PrefixQuery,感觉上灵活性较差，需要遍历每个最小的grid（具体仍需测试和权衡），检索阶段Geo Query是FilteredQuery(MatchAllDocsQuery, GEOFilter),GEO filter实际上主要接口是getDocIdSet(所以solr中很多filter是要缓存的),这样geo query是可以和其他query任意组合的。

我也按照这个思路写了个geo filter,实测一下发现比之前的性能有很大提高。

在我本机上做了一些简单测试，结果上用新的方式优于老的geo query（相关代码我提交在arts的test_geo_ filter分支了）。索引上海所有上海， 3000个附近搜索请求,不带任何关键字，结果如下:

1公里 老geo需要15.54秒, 新的7.32秒;

2公里 老geo需要31.41秒，新的13.71秒;

5公里 老geo需要65.71秒,新的34.85秒;

20公里 老geo需要91.50秒，新的48.75秒。

代码读下来，之所以提高有两处：

1.Collector中acceptDocsOutOfOrder()返回false,这样从不同term query返回的dicid每次需要在堆中选择一下;

2.对应的Term Query做了打分操作(DisconjunctionSumScorer)，但实际scorer其实是在collector中完成，这样就浪费了。

另外发现query有个rewrite方法，可以对查询做优化，对于连续的And操作，有Conjunction Query做优化。

使用FilteredQuery经rewrite之后变成ConstantScoreQuery，没什么overhead。