lucene结构详解之五词典(tis)及词典索引(tii)信息

反向信息是索引文件的核心，也即反向索引。 
反向索引包括两部分，左面是词典(Term Dictionary)，右面是倒排表(Posting List)。 
在 Lucene 中，这两部分是分文件存储的，词典是存储在 tii，tis中的，倒排表又包括两部分，

一部分是文档号及词频，保存在 frq中，一部分是词的位置信息，保存在 prx中。 

 Term Dictionary (tii, tis)  
 Frequencies (.frq)  
 Positions (.prx)  

词典(tis)及词典索引(tii)信息格式如下：

在词典中，所有的词是按照字典顺序排序的。 
1.  词典文件(tis)  
 1）TermCount：词典中包含的总的词数  
 2）IndexInterval：为了加快对词的查找速度，也应用类似跳跃表的结构，假设IndexInterval 为 4，则在词典索引(tii)文件中保存第 4 个，第 8 个，第 12 个词，这

样可以加快在词典文件中查找词的速度。

3）SkipInterval：倒排表无论是文档号及词频，还是位置信息，都是以跳跃表的结构存
在的，SkipInterval是跳跃的步数。  
4）MaxSkipLevels：跳跃表是多层的，这个值指的是跳跃表的最大层数。  
5）TermCount个项的数组，每一项代表一个词，对于每一个词，以前缀后缀规则存放词的文本信息(PrefixLength + Suffix)，词属于的域的域号(FieldNum)，有多少篇文档
包含此词(DocFreq)，此词的倒排表在 frq，prx中的偏移量(FreqDelta, ProxDelta)，此词的倒排表的跳跃表在 frq 中的偏移量(SkipDelta)，这里之所以用 Delta，是应用差
值规则。  

2.词典索引文件(tii)  
1） 词典索引文件是为了加快对词典文件中词的查找速度，保存每隔 IndexInterval 个词。  
 2）词典索引文件是会被全部加载到内存中去的。  
 3）IndexTermCount = TermCount / IndexInterval：词典索引文件中包含的词数。  
 4）IndexInterval同词典文件中的 IndexInterval。  
 5）SkipInterval同词典文件中的 SkipInterval。  
 6）MaxSkipLevels同词典文件中的 MaxSkipLevels。  
 7）IndexTermCount个项的数组，每一项代表一个词，每一项包括两部分，第一部分是词本身(TermInfo)，第二部分是在词典文件中的偏移量(IndexDelta)。假设IndexInterval为4，此数组中保存第4 个，第8个，第 12个词。