lucene全文检索技术（一）

一、lucene学完我们能干嘛

把最想要的资源快速的检索出来。

全文检索不同于数据库搜索：

1、匹配效果：如搜索ant会搜索出planting。

2、查出的结果没有相关度排序，不知道有用的结果在哪一页。

3、搜索速度达不到毫秒级的要求。

相关度排序说明：搜索结果列表中越靠前的，一般就是最符合我们所预期的结果。

二、全文检索的定义

信息检索：从信息集合中找出与用户需求相关的信息。信息类型有：1，文本（或可以转为文本），如txt，html，pdf，word等。2，多媒体，如音频、视频、图片等。

全文检索：是指把用户的查询请求和全文中的每一个词进行比较，不考虑查询请求与文本语义上的匹配。全文检索特点：1，只关注文本。2，不考虑语义。

（如搜索“中国的首都是哪里”，如下图所示）

搜索的目的是为了在大量的信息中发现自己感兴趣的信息。但是，当有了足够的资料（比如网页、Word文档、Pdf文档，或数据库中的资料等）之后，并不能立即开始搜索，在此之前，必须先对信息建立索引。

就好比在图书馆里存放着大量书籍，当我们想查找关于某个主题的书籍时，不能一本一本的翻阅，而是要先查阅书籍的索引卡，根据索引卡上的信息找到相应的书籍。所以，当一本书进入到图书馆后，最重要的工作就是要马上建立索引卡。同样，对于我们所拥用的信息，也需要为其建立索引。

建立索引：就是对待搜索的信息进行一定的分析，并将分析结果按照一定的组织方式存储起来，通常将这些结果存储在文件中。存储分析结果的文件的集合就是索引。在查询时，

先从索引中查找，由于索引是按照一定的结构组织的，所以查询的速度非常快。

三、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，则在词汇表中找打该单词，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很多的关键词的位置都发生了变化，这就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。

四、搜索应用程序和Lucene之间的关系